WO2023054932A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Download PDF

Info

Publication number
WO2023054932A1
WO2023054932A1 PCT/KR2022/013407 KR2022013407W WO2023054932A1 WO 2023054932 A1 WO2023054932 A1 WO 2023054932A1 KR 2022013407 W KR2022013407 W KR 2022013407W WO 2023054932 A1 WO2023054932 A1 WO 2023054932A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
points
attribute
data
Prior art date
Application number
PCT/KR2022/013407
Other languages
English (en)
French (fr)
Inventor
이수연
허혜정
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to CN202280064897.7A priority Critical patent/CN118020304A/zh
Publication of WO2023054932A1 publication Critical patent/WO2023054932A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points belonging to a coordinate system representing a 3D space.
  • Point cloud content can express three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are required to express point cloud content. Therefore, a method for efficiently processing a vast amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream including point cloud data; can include
  • An apparatus for receiving point cloud data according to embodiments includes a receiver configured to receive a bitstream including point cloud data; and a decoder to decode the point cloud data; can include
  • Apparatus and method according to embodiments may process point cloud data with high efficiency.
  • Devices and methods according to embodiments may provide a point cloud service of high quality.
  • Devices and methods according to embodiments may provide point cloud content for providing general-purpose services such as VR services and autonomous driving services.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG. 13 is an example of a receiving device according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • 16 shows a method of classifying points and selecting reference values according to embodiments.
  • 17 illustrates a method of grouping points according to embodiments.
  • FIG. 19 illustrates a point grouping method according to embodiments.
  • 20 shows a bitstream containing point cloud data according to embodiments.
  • 21 shows a sequence parameter set according to embodiments.
  • 25 a and b show a device for transmitting point cloud data according to embodiments.
  • 26 shows an apparatus for receiving point cloud data according to embodiments.
  • FIG. 27 illustrates a point cloud data transmission method according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 may perform wired/wireless communication to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may include a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. etc. may be included.
  • BTS base transceiver system
  • AI artificial intelligence
  • the transmission device 10000 is a device that communicates with a base station and/or other wireless devices using a radio access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)), It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • IoT Internet of Thing
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or Communication module), 10003 ) include
  • the point cloud video acquisition unit 10001 acquires a point cloud video through processing such as capture, synthesis, or creation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a 3D space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include geometry-based point cloud compression (G-PCC) coding and/or video based point cloud compression (V-PCC) coding or next-generation coding.
  • G-PCC geometry-based point cloud compression
  • V-PCC video based point cloud compression
  • point cloud compression coding is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 can output a bitstream containing encoded point cloud video data.
  • the bitstream may include not only encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • Transmitter 10003 transmits a bitstream containing encoded point cloud video data.
  • a bitstream according to embodiments is encapsulated into a file or a segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or the receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations depending on the network system (for example, a communication network system such as 4G, 5G, and 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a receiving device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 is a device or robot that communicates with a base station and/or other wireless devices using a wireless access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)) , vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a wireless access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform necessary data processing operations depending on the network system (eg, 4G, 5G, 6G communication network system).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 can decode the point cloud video data according to the way it was encoded (eg, the reverse of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode point cloud video data by performing point cloud decompression coding, which is a reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • a renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user consuming the point cloud content, and includes user information (eg, head orientation information), viewport information, etc.).
  • user information eg, head orientation information
  • viewport information etc.
  • the feedback information is sent to the content transmitter (eg, the transmission device 10000) and/or the service provider.
  • the feedback information may be used in the receiving device 10004 as well as in the transmitting device 10000, or may not be provided.
  • Head orientation information is information about a user's head position, direction, angle, movement, and the like.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about an area of a point cloud video that a user is looking at.
  • a viewpoint is a point at which a user watches a point cloud video, and may mean a central point of a viewport area. That is, the viewport is an area centered on the viewpoint, and the size and shape of the area may be determined by FOV (Field Of View).
  • FOV Field Of View
  • the receiving device 10004 performs gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes at, the gaze time, and the like.
  • the receiving device 10004 may transmit feedback information including the result of the gaze analysis to the transmitting device 10000.
  • Feedback information according to embodiments may be obtained in a rendering and/or display process.
  • Feedback information according to embodiments may be obtained by one or more sensors included in the receiving device 10004.
  • feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 indicates a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on the feedback information. Accordingly, the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (for example, point cloud data corresponding to the user's head position) based on feedback information, and Point cloud content can be provided to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, and the like, and a receiving apparatus 10004 may be referred to as a decoder, a receiving device, and a receiver.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) in the point cloud content providing system of FIG. 1 according to embodiments will be referred to as point cloud content data or point cloud video data.
  • point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1 .
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may obtain a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the acquired point cloud video may include one or more Ply files.
  • Ply files include point cloud data such as geometry and/or attributes of points. Geometry contains positions of points.
  • the position of each point may be expressed as parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or properties).
  • a point may have one color attribute or two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, and attribute data.
  • the point cloud content providing system obtains points from information (for example, depth information, color information, etc.) related to the acquisition process of the point cloud video. Cloud data is available.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • point cloud data may include geometry and attributes of points.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding to encode geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding attributes.
  • a point cloud content providing system may perform attribute encoding based on geometry encoding.
  • a geometry bitstream and an attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • a bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • Point cloud data encoded as described in FIG. 1 may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate a bitstream transmitting encoded point cloud data and transmit the encoded point cloud data in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Also, the point cloud content providing system (eg, the receiving device 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode encoded point cloud data (eg, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. there is.
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on the decoded attributes and positions according to the reconstructed geometry.
  • a point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods. Points of the point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • a display eg, VR/AR display, general display, etc.
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on the feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1, a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described in FIGS. 1 and 2 .
  • Point cloud content is a point cloud video (images and/or videos) are included.
  • a point cloud content providing system includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to depth information) to generate point cloud content.
  • Point cloud video can be captured using an RGB camera, etc.), a projector (eg, an infrared pattern projector to secure depth information), or LiDAR.
  • a system for providing point cloud content according to embodiments may secure point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information and extracting an attribute of each point from color information.
  • Images and/or videos according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows the inward-facing method.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located around the central object capture the central object.
  • the inward-pacing method is a point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) It can be used to create VR / AR content).
  • the right side of FIG. 3 shows the outward-facing method.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) located around a central object capture an environment of the central object other than the central object.
  • the outward-facing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment from a user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras to set a global coordinate system before a capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or video captured by the above-described capture method and an arbitrary image and/or video.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on captured images and/or videos. That is, the point cloud content providing system removes an unwanted area (for example, the background), recognizes a space where captured images and/or videos are connected, and fills in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system conversion on points of the point cloud video obtained from each camera.
  • the point cloud content providing system may perform coordinate system conversion of points based on the positional coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 4 shows an example of the point cloud video encoder 10002 of FIG. 1 .
  • the point cloud encoder converts point cloud data (eg, positions of points and/or attributes) and perform encoding operations.
  • point cloud data eg, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Therefore, the point cloud content providing system may reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud encoder includes a transformation coordinates (40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), a surface approximate analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation It includes a unit 40008, a Generated LOD 40009, a Lifting unit 40010, a Quantize Coefficients unit 40011, and/or an Arithmetic Encode 40012.
  • the coordinate system conversion unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approximate analysis unit 40003, the Arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • a coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • the positions may be converted into positional information in a 3D space (eg, a 3D space expressed in XYZ coordinates).
  • Location information in a 3D space may be referred to as geometry information.
  • a quantization unit 40001 quantizes geometry.
  • the quantization unit 40001 may quantize points based on minimum position values of all points (for example, minimum values on each axis for the X axis, Y axis, and Z axis).
  • the quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by performing rounding or rounding.
  • one or more points may have the same quantized position (or position value).
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • points of point cloud content may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in the 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of a corresponding voxel may be set based on the positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to the corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate an octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • Arismetic encoder 40004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color conversion section 40006, attribute conversion section 40007, RAHT conversion section 40008, LOD generation section 40009, lifting conversion section 40010, coefficient quantization section 40011 and/or Arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbour prediction-prediction transform coding, and interpolation-based hierarchical nearest transform (RAHT) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbour prediction-prediction transform
  • RAHT interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert a format of color information (for example, convert RGB to YCbCr).
  • An operation of the color conversion unit 40006 according to embodiments may be optionally applied according to color values included in attributes.
  • the geometry reconstructor 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstructor 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute transformation unit 40007 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since attributes depend on geometry, the attribute conversion unit 40007 can transform attributes based on reconstructed geometry information. For example, the attribute conversion unit 40007 may transform an attribute of a point at a position based on a position value of a point included in a voxel. As described above, when the position of the central point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 transforms attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may transform attributes based on tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 40007 may apply a weight according to the distance from the central point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific location/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that a quick Nearest Neighbor Search (NNS) is possible.
  • the Morton code is generated by expressing coordinate values (for example, (x, y, z)) representing the three-dimensional positions of all points as bit values and mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on Molton code values and perform a nearest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if a nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or Morton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on reconstructed geometry information. For example, the RAHT converter 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • An LOD generator 40009 generates a level of detail (LOD) to perform predictive transformation coding.
  • LOD according to embodiments is a degree representing detail of point cloud content. A smaller LOD value indicates lower detail of point cloud content, and a larger LOD value indicates higher detail of point cloud content. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding for transforming attributes of a point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • the Arithmetic Encoder 40012 encodes the quantized attributes based on Arithmetic Coding.
  • One or more processors may perform at least one or more of operations and/or functions of elements of the point cloud encoder of FIG. 4 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud encoder of FIG. 4 .
  • One or more memories may include high speed random access memory, and may include non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices). memory devices (Solid-state memory devices, etc.).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). It shows an example of a voxel generated through One voxel includes at least one point. Spatial coordinates of a voxel may be estimated from a positional relationship with a voxel group. As described above, a voxel has an attribute (color or reflectance, etc.) like a pixel of a 2D image/video. Since a detailed description of the voxel is the same as that described in FIG. 4, it will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (eg, octree analyzer 40002) efficiently manages a voxel area and/or position. To do so, octree structure-based octree geometry coding (or octree coding) is performed.
  • FIG. 6 shows an octree structure.
  • a 3D space of point cloud content according to embodiments is represented by axes (eg, X axis, Y axis, and Z axis) of a coordinate system.
  • the octree structure is created by recursively subdividing a cubical axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box enclosing all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following formula. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space can be divided into 8 spaces according to division.
  • Each divided space is represented by a cube with six faces.
  • each of the eight spaces is further divided based on the axes of the coordinate system (for example, the X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until the leaf node of the octree becomes a voxel.
  • the lower part of Fig. 6 shows the occupancy code of the octree.
  • the octree's occupancy code is generated to indicate whether each of eight divided spaces generated by dividing one space includes at least one point. Therefore, one occupancy code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the occupancy code is expressed as an 8-bit code. That is, if at least one point is included in a space corresponding to a child node, the corresponding node has a value of 1. If a point is not included in the space corresponding to a child node (empty), the corresponding node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (eg, the Arismetic encoder 40004) according to embodiments may entropy-encode an occupancy code. Also, to increase compression efficiency, the point cloud encoder may intra/inter code the occupancy code.
  • a receiving device (eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on an occupancy code.
  • a point cloud encoder (eg, the point cloud encoder of FIG. 4 or the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where many points do not exist. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if few points exist in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or nodes other than leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) can be performed. Coordinates of direct coding points according to embodiments are called a direct coding mode (DCM). Also, the point cloud encoder according to embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model. Tri-Sup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • a point cloud decoder can generate a point cloud from a mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and triangle geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated.
  • the node to which direct coding is applied is not a leaf node, points must exist.
  • the number of all points subject to direct coding must not exceed a predetermined limit. If the above condition is satisfied, the point cloud encoder (or the Arithmetic encoder 40004) according to the embodiments may entropy code positions (or position values) of points.
  • the point cloud encoder (for example, the surface approximate analysis unit 40003) according to the embodiments determines a specific level (when the level is smaller than the depth d of the octree) of the octree, and from that level uses the surface model to determine the node Tri-sup geometry encoding for reconstructing the position of a point in an area based on voxels may be performed (tri-sup mode).
  • the point cloud encoder may designate a level to which tri-sup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in tri-sup mode.
  • the point cloud encoder may operate in tri-sup mode only when the designated level is smaller than the depth value of the octree.
  • a 3D cube area of nodes of a designated level according to embodiments is referred to as a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • intersection points there are at least 12 intersection points in one block. Each intersection point is called a vertex.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occluded voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the corresponding edge among all blocks sharing the corresponding edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vector ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position value (relative position value within the edge).
  • the point cloud encoder for example, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create the restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface through which the block passes.
  • a surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by the triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 Calculate the values obtained by subtracting the centroid value from each vertex value 3 Square the values, and obtain the sum of all the values.
  • the minimum value of the added value is obtained, and the projection process is performed according to the axis with the minimum value. For example, if the x element is minimal, each vertex is projected along the x-axis based on the center of the block, and projected onto the (y, z) plane. If the value that results from projection on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices to generate triangles according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that two triangles can be formed for four vertices according to a combination of the vertices.
  • the first triangle may be composed of the first, second, and third vertices among the aligned vertices
  • the second triangle may be composed of the third, fourth, and first vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are generated based on the upsampling factor and the width of the block. The added points are called refined vertices.
  • a point cloud encoder may voxelize refined vertices. Also, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud encoder converts the occupancy code directly. Entropy coding is possible.
  • the point cloud content providing system or the point cloud encoder performs entropy encoding (intra-encoding) based on the occupancy code of the current node and the occupancy of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancy code of the previous frame. ) can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • Compression efficiency of intra-encoding/inter-encoding may vary according to the number of referenced neighboring nodes. If the bit size increases, it becomes complicated, but compression efficiency can be increased by making it skewed to one side. For example, if you have a 3-bit context, 2 of 3 should be coded in 8 ways. The part that is divided and coded affects the complexity of the implementation. Therefore, it is necessary to match the efficiency of compression with an appropriate level of complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighboring node pattern value.
  • the neighbor node pattern is used to infer the occupancy pattern of that node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the middle) and six cubes (neighboring nodes) sharing at least one face with the cube.
  • Nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the locations of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. If the neighbor node pattern value is 0, it indicates that there is no node (occupied node) having a point among the neighbor nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighbor nodes are occupied nodes. As shown in the figure, since the neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupied nodes, the neighboring node pattern value is 15, which is the value obtained by adding 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce complexity of coding by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of direct coded points (eg, placing the direct coded points in front of point cloud data).
  • the geometry reconstruction process includes triangle reconstruction, upsampling, and voxelization processes. Since attributes depend on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points according to LODs.
  • the diagram shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points with the lowest LOD, and the rightmost figure of the figure shows the distribution of points with the highest LOD. That is, points of the lowest LOD are sparsely distributed, and points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (eg, the point cloud video encoder 10002, the point cloud encoder in FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distances).
  • the LOD generation process is performed in the point cloud decoder as well as the point cloud encoder.
  • FIG. 9 shows examples of points (P0 to P9) of the point cloud content distributed in the 3D space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may perform prediction transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate predictors for points and perform predictive transformation coding to set predictive attributes (or predictive attribute values) of each point. That is, N predictors can be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, eg, color, reflectance, etc.) of neighboring points set in the predictor of each point. (or weight value) is set as the average value of multiplied values.
  • the point cloud encoder for example, the coefficient quantization unit 40011 according to the embodiments subtracts the predicted attribute (attribute value) from the attribute (attribute value) of each point, and generates residual values (residuals, residual attributes, residual attribute values, attributes) can be called a prediction residual, etc.) can be quatized and inverse quantized, and the quantization process is shown in the following table.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the embodiments may entropy code the quantized and inverse quantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the examples may entropy code attributes of the corresponding point without performing the above-described process if there are no neighboring points to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor, registers neighboring points, and weights according to distances to neighboring points.
  • Lifting transform coding according to the embodiments is similar to the above-described predictive transform coding, but is different in that weights are cumulatively applied to attribute values. The process of cumulatively applying weights to values is as follows.
  • the weight calculated for all predictors is additionally multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively summed as the index of the neighboring node in the update weight array.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is cumulatively summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • the point cloud encoder eg, the Arismetic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding to predict attributes of nodes at a higher level using attributes associated with nodes at a lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans from voxels to the entire area and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • a merging process according to embodiments is performed only for Occupied nodes.
  • a merging process is not performed on an empty node, but a merging process is performed on an immediate parent node of an empty node.
  • the following equation represents a RAHT transformation matrix.
  • g lx, y, z represent average attribute values of voxels at level l.
  • g lx, y, z can be computed from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values and are used in the merging process at the next higher level.
  • h l ⁇ 1 x, y, z are high-pass coefficients, and the high-pass coefficients at each step are quantized and entropy-coded (eg, encoding of the Arithmetic Encoder 400012).
  • the root node is created as follows through the last g 1 0, 0, 0 and g 1 0, 0, 1 ,
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operation as the operation of the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on a geometry bitstream and outputs decoded geometry.
  • the attribute decoder performs attribute decoding based on the decoded geometry and attribute bitstream and outputs decoded attributes.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described in FIG. 10 and can perform a decoding operation, which is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesizer (synthesize octree) 11001, a surface synthesize surface approximation unit (11002), and a geometry reconstructor (reconstruct geometry). . ), an inverse lifting unit (11009), and/or an inverse transform colors (11010).
  • the Arismetic decoder 11000, the octree synthesizer 11001, the surface deoxymation synthesizer 11002, the geometry reconstructor 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and tri-sup geometry decoding are selectively applied. Also, geometry decoding is not limited to the above example, and is performed in a reverse process to the geometry encoding described in FIGS. 1 to 9 .
  • the Arismetic decoder 11000 decodes the received geometry bitstream based on Arithmetic coding.
  • the operation of the Arithmetic Decoder 11000 corresponds to the reverse process of the Arithmetic Encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information on geometry obtained as a result of decoding). A detailed description of the occupancy code is as described with reference to FIGS. 1 to 9 .
  • the surface deoxymation synthesis unit 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstructor 11003 may regenerate geometry based on surfaces and/or decoded geometry. As described in FIGS. 1 to 9 , direct coding and tri-sup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when triangle geometry encoding is applied, the geometry reconstructor 11003 may perform reconstruction operations of the geometry reconstructor 40005, for example, triangle reconstruction, up-sampling, and voxelization operations to restore the geometry. there is. Details are the same as those described in FIG. 6 and thus are omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transformation unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the Arithmetic Decoder 11005, Inverse Quantization Unit 11006, RAHT Transformation Unit 11007, LOD Generator 11008, Inverse Lifting Unit 11009, and/or Color Inverse Transformation Unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform.
  • step (Lifting Transform)) decoding The above three decodings may be selectively used, or a combination of one or more decodings may
  • the Arismetic decoder 11005 decodes the attribute bitstream by Arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information about attributes obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 11007, the LOD generator 11008, and/or the inverse lifter 11009 may selectively perform a decoding operation corresponding to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transform of color values (or textures) included in decoded attributes.
  • the operation of the inverse color transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • elements of the point cloud decoder of FIG. 11 are not shown in the figure, hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , may be implemented in software, firmware, or a combination thereof. One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmission device shown in FIG. 12 may perform at least one or more of operations and methods identical or similar to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9 .
  • a transmission device includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/ Inter-coding processing unit 12005, Arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010, an Arithmetic coder 12011 and/or a transmission processing unit 12012.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • Geometry encoding according to embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the quantization processor 12001 quantizes geometry (eg, position values or position values of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the voxelization processor 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 120002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described in FIGS. 1 to 9 .
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree occupancy code generator 12003 may generate an occupancy code.
  • the octree occupancy code generator 12003 may perform operations and/or methods identical or similar to those of the point cloud encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . A detailed description is the same as that described in FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-sup geometry encoding to reconstruct positions of points within a specific area (or node) based on a surface model on a voxel basis.
  • the four-surface model processing unit 12004 may perform the same or similar operation and/or method to the operation and/or method of the point cloud encoder (eg, the surface approximation analysis unit 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may intra/inter code the point cloud data.
  • the intra/inter coding processing unit 12005 may perform coding identical to or similar to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described in FIG. 7 .
  • the intra/inter coding processor 12005 may be included in the Arithmetic Coder 12006.
  • Arithmetic coder 12006 entropy encodes an octree of point cloud data and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • Arithmetic coder 12006 performs the same or similar operations and/or methods to operations and/or methods of Arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata about point cloud data, for example, set values, and provides them to a necessary process such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Also, signaling information according to embodiments may be interleaved.
  • a color conversion processing unit 12008, an attribute conversion processing unit 12009, a prediction/lifting/RAHT conversion processing unit 12010, and an Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as that described in FIGS. 1 to 9 . In addition, the same or similar operations and/or methods to those of the color conversion unit 40006 described in FIG. 4 are performed. A detailed description is omitted.
  • the attribute transformation processing unit 12009 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4 .
  • a detailed description is omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes with any one or combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations to those of the RAHT conversion unit 40008, the LOD generation unit 40009, and the lifting conversion unit 40010 described in FIG. 4 do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS. 1 to 9, so detailed descriptions thereof are omitted.
  • the Arithmetic Coder 12011 may encode coded attributes based on Arithmetic Coding.
  • the Arithmetic Coder 12011 performs the same or similar operations and/or methods to those of the Arithmetic Encoder 400012.
  • the transmission processing unit 12012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits encoded geometry and/or encoded attributes and metadata information into one It can be configured as a bitstream and transmitted.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments includes Sequence Parameter Set (SPS) for signaling at the sequence level, Geometry Parameter Set (GPS) for signaling of geometry information coding, Attribute Parameter Set (APS) for signaling of attribute information coding, tile It may include signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream Geom00 and one or more attribute bitstreams Attr00 and Attr10.
  • a slice refers to a series of syntax elements representing all or part of a coded point cloud frame.
  • a TPS may include information about each tile (for example, coordinate value information and height/size information of a bounding box) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information (geom_parameter_set_id) of a parameter set included in GPS, a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in a payload.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by dotted lines.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003. A detailed description is omitted since it is the same as that described in FIGS. 1 and 2 .
  • FIG. 13 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of operations and methods identical or similar to the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11 .
  • a receiving device includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an occupancy code, and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009, a color inverse transformation processing unit 13010, and/or a renderer 13011.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description is omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the receiving processing unit 13001 may be included in the receiving unit 13000.
  • the Arismetic decoder 13002, the octree reconstruction processing unit 13003 based on the occupancy code, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding.
  • Geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, and thus a detailed description thereof will be omitted.
  • the Arismetic decoder 13002 may decode a geometry bitstream based on Arithmetic coding.
  • the Arismetic decoder 13002 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11000.
  • the octree reconstruction processing unit 13003 based on occupancy code may obtain an occupancy code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding) to reconstruct an octree.
  • the octree reconstruction processing unit 13003 based on the occupancy code performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 according to embodiments performs tri-soup geometry decoding based on the surface model method and related geometry reconstruction (eg, triangle reconstruction, up-sampling, and voxelization) when tri-sup geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs operations identical to or similar to those of the surface deoxymation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processor 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, setting values. Metadata parser 13006 can pass metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is omitted since it is the same as that described in FIG. 12 .
  • the Arismetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, so a detailed description thereof will be omitted.
  • the Arismetic decoder 13007 may decode the attribute bitstream through Arismetic coding.
  • the Arismetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismetic decoder 13007 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11005.
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method to the operation and/or inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs operations identical or similar to those of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009 and/or decoding operations and/or At least one or more of decoding is performed.
  • the inverse color transformation processing unit 13010 according to embodiments performs inverse transformation coding for inversely transforming color values (or textures) included in decoded attributes.
  • the inverse color transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to the operation and/or inverse transform coding of the inverse color transform unit 11010.
  • the renderer 13011 may render point cloud data.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 includes at least one of a server 1460, a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or an HMD 1470. It shows a configuration connected to the cloud network 1410.
  • a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440 or a home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to or interwork with a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of a cloud computing infrastructure or may refer to a network existing in a cloud computing infrastructure.
  • the cloud network 1400 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 1460 connects at least one of the robot 1410, the autonomous vehicle 1420, the XR device 1430, the smartphone 1440, the home appliance 1450, and/or the HMD 1470 to the cloud network 1400. It is connected through and may help at least part of the processing of the connected devices 1410 to 1470.
  • a Head-Mount Display (HMD) 1470 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • An HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1410 to 1450 to which the above-described technology is applied will be described.
  • the devices 1410 to 1450 shown in FIG. 14 may interwork/combine with the device for transmitting/receiving point cloud data according to the above-described embodiments.
  • the XR/PCC device 1430 applies PCC and/or XR (AR+VR) technology to a Head-Mount Display (HMD), a Head-Up Display (HUD) installed in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes 3D point cloud data or image data obtained through various sensors or from an external device to generate positional data and attribute data for 3D points, thereby generating positional data and attribute data for surrounding space or real objects. Information can be obtained, and XR objects to be displayed can be rendered and output. For example, the XR/PCC device 1430 may output an XR object including additional information about the recognized object in correspondence with the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1420 may be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the self-driving vehicle 1420 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle subject to control/interaction within the XR images.
  • the self-driving vehicle 1420 which is a target of control/interaction within the XR image, is distinguished from the XR device 1430 and may be interlocked with each other.
  • the self-driving vehicle 1420 equipped with a means for providing an XR/PCC image may obtain sensor information from sensors including cameras and output an XR/PCC image generated based on the obtained sensor information.
  • the self-driving vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in a screen to a passenger by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the real object toward which the passenger's gaze is directed.
  • an XR/PCC object when an XR/PCC object is output to a display provided inside an autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Mixed Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds of the real world only as CG images.
  • AR technology means a technology that shows a virtually created CG image on top of a real object image.
  • MR technology is similar to the aforementioned AR technology in that it mixes and combines virtual objects in the real world.
  • real objects and virtual objects made of CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are considered equivalent to real objects. distinct from technology. More specifically, for example, a hologram service to which the above-described MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. As for this technique, encoding/decoding based on PCC, V-PCC, and G-PCC techniques may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to vehicles providing autonomous driving services.
  • a vehicle providing autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • Point cloud data (PCC) transmission and reception devices when connected to enable wired/wireless communication with a vehicle, receive/process content data related to AR/VR/PCC services that can be provided together with autonomous driving services to provide a vehicle can be sent to
  • the point cloud transmission/reception device when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud transmission/reception device may receive/process AR/VR/PCC service-related content data according to a user input signal input through a user interface device and provide the received/processed content data to the user.
  • a vehicle or user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the point cloud data transmission method/device includes the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. , the encoder of FIG. 4, the transmitter of FIG. 12, the device of FIG. 14, encoding of FIGS. 15 to 19, bitstream generation of FIGS. 20 to 24, encoding of FIG. 25, and transmission method of FIG. 27.
  • a method/device for receiving point cloud data includes a receiving device 10004 of FIG. 1, a receiver 10005, a point cloud video decoder 10006, and transmission-decoding-rendering (20002-20003-20004) of FIG. , decoder of FIGS. 10-11, receiving device of FIG. 13, device of FIG. 14, decoding of FIGS. 15 to 19, bitstream parsing of FIGS. 20 to 24, encoding of FIG. 26, receiving method of FIG. 28, etc. .
  • the method/device for transmitting/receiving point cloud data may be referred to as a method/device according to embodiments.
  • geometry data, geometry information, location information, etc. constituting point cloud data are interpreted as the same meaning.
  • Attribute data, attribute information, and attribute information constituting the point cloud data are interpreted as the same meaning.
  • Embodiments may include a method for motion vector estimation using attribute information.
  • Method/apparatus is a method for increasing compression efficiency of point cloud data having one or more frames, and PU/CU/TU/Slice/Tile/ A motion vector estimation method using attribute information of a point included in a brick/frame may be included and performed.
  • a PU/CU/TU/Slice/Tile/Brick/Frame is a unit including point cloud data and refers to an encoding and decoding unit.
  • a PU is a prediction unit
  • a TU is a transform unit
  • a CU is a coding unit.
  • a slice can be divided into tiles, bricks, subpictures, etc.
  • a CU may be divided into PUs, TUs, and the like.
  • a frame refers to a frame containing point cloud data.
  • a method/apparatus includes an operation for compressing and restoring data composed of a point cloud.
  • a motion vector estimation method which is one of inter prediction techniques, can be provided to effectively compress and restore a point cloud having one or more frames.
  • the information of the unit vector defined as the LUT is the smallest vector LUT (vector LUT) consisting of 6 vectors that can be obtained by rotating each axis by 90° or a searching pattern. It is defined, and the largest search pattern consisting of 26 unit vectors made up of 45° angles in all directions can apply the largest LUT.
  • the LUT is not adaptively applied differently depending on the situation, but the LUT must be manually replaced according to the user's needs.
  • Such a searching pattern has an advantage in that a motion vector can be found by repeatedly performing the search pattern by changing the size of the motion applied in a predetermined search direction.
  • FIG. 15 illustrates a PU used in a process of performing inter prediction by a method/device for transmitting and receiving point cloud data according to embodiments and a distribution of points included in the PU as an example.
  • a PU may include 3 points.
  • Each of the three points may have geometry information (geometry data, point position value).
  • the three points may be included in different objects. That is, the points 1500 and 1501 may be included in different objects and may have different attribute information (attribute data, attributes). Applying motion estimation based on the object unit of an actual point is more efficient and more accurate point compression/restoration is possible than motion estimation of the points 1500 and 1501 in units of one PU.
  • the device for transmitting and receiving point cloud data searches for attribute information together, thereby grouping points with high relevance in attribute information of points within the PU ( grouping) to predict motion.
  • motion vector estimation considering geometry and attributes may be performed. Outliers among candidates for motion vector estimation may be removed or a separate process may be performed using attribute information of a reference frame.
  • Motion vector information found in geometry can be inherited during attribute coding. Points of PUs that are primarily classified based on geometry can be separated into attribute information.
  • the criterion for removing outliers or applying the existing method can be applied when the number of points of a specific value or less in the same PU has attribute information different from that of the majority of points. Attribute information may be included as the same object or PU information only when it is the same or has a difference value of less than a certain value. Even when classified by attribute information, if there is no change from classification based on geometry, or if the number of points classified based on attribute information is less than a predetermined number, the existing method can be applied.
  • 16 shows a method of classifying points and selecting reference values according to embodiments.
  • the device for transmitting and receiving a point cloud may classify points and select a reference value for motion vector estimation.
  • FIG. 16 there are points in the same PU, and it can be largely classified into three attribute groups based on attribute values. As shown in FIG. 16, a histogram may be generated according to a range of attribute values, and data distribution may be indicated. An additional method may be applied according to a criterion described later to group points in the PU.
  • group_anchor_attr For classifying the point position based on the attribute value, find the bin of the histogram with the highest frequency, and use the median, mode, and average values of the bin as the first geometry It is selected as a reference value (group_anchor_attr) for classifying a group (geometry group).
  • group_anchor_attr For classifying a group (geometry group).
  • the method can be divided into two methods as follows (1) informal, 2) formal).
  • points included within a specific range of attribute values from the reference value may be grouped in order to classify the points.
  • Points included within a specific range from a point position having attribute information equal to or closest to the reference value may be classified into one group.
  • one same PU may include points, and the points may be classified according to attribute values. For example, when the attribute is the color of a point, points 1601 having a blue attribute, points 1602 having a yellow attribute, and points 1603 having a green attribute may be distributed according to the frequency.
  • an anchor value may be selected based on an attribute having the highest frequency in a group of points having the same attribute.
  • the first anchor value and the second anchor value 1604 may be selected according to the point distribution as shown in FIG. 16 .
  • 17 illustrates a method of grouping points according to embodiments.
  • the method/device according to the embodiments may select a reference value in FIG. 16 and group points according to the reference value as shown in FIG. 17 .
  • a method of grouping points based on a reference value may be performed according to a shape of a region. 1) the shape of the region may be irregular, and/or 2) the shape of the region may be regular.
  • the irregular shape area Existing points can be a group.
  • the area of the grouped points may be irregular.
  • a first group to a second group may be created for each of the first anchor and the second anchor.
  • the area of the grouped points has a formal shape such as a circle. can have a shape.
  • a first group to a second group may be created for each of the first anchor and the second anchor.
  • a method/apparatus according to embodiments may group points and apply motion vector estimation to the group, as shown in FIG. 17 and the like.
  • a method for motion vector estimation (MVE) considering attribute information can be extended as shown in FIG. 17 .
  • an anchor is selected from the histogram generated based on the attribute (see FIG. 16, etc.), and the group ) can be determined. If, after grouping (see FIG. 17, etc.), the number of points including all groups is less than the reference value, a method that does not utilize attribute information may be used. After grouping, if the number of points in a specific group is greater than a certain number, only that group is applied as a target for motion vector estimation, and the rest of the points are estimated as motion vectors (Motion Vector estimation) can be excluded.
  • the number of reference values (group_anchor) determined according to the selection method may indicate the number of groups included in the same PU, and corresponding information may be sent to the receiver.
  • the method for selecting a group anchor divides attribute information into uniform ranges as shown in FIG. registers the high range as an anchor for the first group. Points that fall within a predefined or calculated threshold (threshold) range centered on the anchor of the first group are registered as group elements. When the number of registered points is greater than the number of reference points (point_num_criteria), the corresponding group is set as a target for motion vector estimation (MVE). When the number of points included in the group is less than the number of reference points (point_num_crieteria), anchor information and point information included in the group may be deleted.
  • threshold threshold
  • a PU processing method may not use attribute information. If the first group is a group usable for MVE, MVE can be performed only on points included in the first group. If the number of points not included in the first group is greater than the number of reference points (point_num_criteria), a second anchor must be selected. ), and the average, median, and/or mode of the bin with the highest frequency among them is used as an anchor for the second group, Register as a group anchor (group_anchor) of the second group (group).
  • This process is performed in the current frame and, just like grouping points having different attribute distributions in the same PU, also in the reference frame, the range based on the PU and search window thresholds Grouping can be performed on points belonging to this range of (PU + search_window_threshold).
  • Group_anchor information identical to that of the current frame may be received, or group_anchor information found in a search window may be transmitted to the current frame.
  • Neighboring points are grouped around each group anchor (group_anchor) list element, which is the classification criterion for each group, and MVE is based on the number of points included in the group.
  • Motion vector estimation may be performed for a group that is an MVE target by determining whether or not it is a target. For points that do not belong to a separate group in the search window of the reference frame, MVE may be performed using only position information without attribute information, A calculation operation may be performed through weighted summation of motion vector information obtained as a result of the MVE.
  • the encoding and/or decoding steps of the method for transmitting and receiving point cloud data include selecting a group classification criterion (setting an anchor), and acquiring the number of points in each group. , Comparing the number of points in each group and the number of reference points. If the number of points in each group is large, attribute-based motion vector estimation is performed for each group. If the number of points in each group is small, the motion vector for the PU is performed. estimation can be performed.
  • FIG. 19 illustrates a point grouping method according to embodiments.
  • FIG. 19 shows the point grouping method described in FIG. 17 and the like in more detail.
  • the method/apparatus according to the embodiments may determine a group of points to be included as follows.
  • Method 1 After setting the anchor based on the attribute of the point, if the points included in a specific range from the reference point (anchor) are classified into a group, the anchor Based on the corresponding attribute information, attribute information included within the threshold range (+/- threshold) is included in the group, and the geometry information of the included points is returned to form one group (group) can be performed.
  • Method 2 Geometry having a position included within the threshold range (+/- threshold) based on geometry information having the closest attribute to the attribute information corresponding to the anchor A method of classifying (geometry) information into one group may be performed.
  • the attribute information is color
  • Additional procedures may be required depending on whether reflectance or attribute information is one-dimensional or 3-dimensional.
  • the attribute information is one-dimensional or reflectance
  • the simple difference between the anchor's reflectance information and the rest of the reflectance is smaller than the threshold separate into one group.
  • the attribute information is 3D
  • a method that can calculate a 3D distance such as Euclidean or Manhattan distance between the anchor and the attribute information of the surrounding points is applied to convert it into a single value.
  • After creation if it is smaller than the threshold, it is separated into one group. It can be separated based on a value smaller than the threshold, but if the attribute information is one-dimensional and the attribute information is located within the minimum/maximum value range that sets the range, it is classified as one group. can be classified.
  • the position information (nearest anchor) that corresponds to the anchor or has attribute information closest to the anchor, it is classified by a specific criterion among the rest of the surrounding points, and then classified into a group.
  • classification which can be variously referred to as setting or creation
  • Thresholds can be specified in advance and received and applied. In addition, it may be calculated and applied on the system by considering the distribution in a certain range (+/- nSigma) based on the anchor. In addition, N points may be selected among points located in a certain range (+/-) direction based on an anchor.
  • a motion vector found on geometry can be inherited and applied when performing inter prediction of an attribute.
  • the size of the PU may not be split after grouping after octree split to a specific level, and the corresponding level may be specified.
  • the corresponding level can be generated as signaling information (parameter) and transmitted to the decoder.
  • an anchor is set based on the value and frequency of an attribute of a point according to embodiments, and groups of points such as a first group and a second group are generated based on a threshold. can do. Groups of points may be created based on ranges for attribute values. A point belonging to one group may have attribute values belonging to a certain range.
  • an anchor may be set based on a value and a frequency of an attribute of a point, and points for surrounding positions of the anchor may be generated as a group based on a threshold.
  • a point belonging to one group may have a geometry value (position) belonging to a certain range.
  • points belonging to a certain area (space) may be created as one group.
  • 20 shows a bitstream containing point cloud data according to embodiments.
  • Method/device for transmitting point cloud data according to embodiments (transmission device 10000 in FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001-20002) in FIG. 2) according to embodiments , the encoder of FIG. 4, the transmission device of FIG. 12, the device of FIG. 14, the encoding of FIGS. 15 to 19, the bitstream generation of FIGS. 20 to 24, the encoding of FIG. 25, the transmission method of FIG. 27, and a processor corresponding thereto) are point cloud data It can be encoded as in the above method, generated signaling information (parameters) related to encoding, and included in a bitstream as shown in FIG. 20 and transmitted.
  • Method/device for receiving point cloud data according to embodiments (receiving device 10004 in FIG. 1, receiver 10005, point cloud video decoder 10006, transmission-decoding-rendering (20002-20003-20004 in FIG. 2)) , decoder of FIGS. 10-11, receiving device of FIG. 13, device of FIG. 14, decoding of FIGS. 15 to 19, bitstream parsing of FIGS. 20 to 24, encoding of FIG. 26, receiving method of FIG. 28, processor corresponding thereto) are shown in FIG.
  • a bitstream such as 20 may be received, parsed, and based on parameters of the bitstream, point cloud data of the bitstream may be decoded using the above method.
  • a method of classifying a point and predicting a motion of a point by utilizing attribute information of a point included in the same Predictiou Unit can be signaled. .
  • Information for motion vector estimation can be generated as follows.
  • the sequence parameter set described below it informs (indicates) that points are separated based on attribute information during motion prediction and compensation, and the necessary information for this is assigned to the sequence parameter set according to the implementation method. All or part of the relevant information may be conveyed.
  • each piece of information may be delivered in a geometry parameter set, a slice header (which may correspond to a data unit header), an SEI message, and the like.
  • the application range and application method can be used differently by defining it in a corresponding location or a separate location.
  • the syntax element defined below can be applied not only to the current point cloud data stream but also to a plurality of point cloud data streams, a parameter set of a higher concept ), etc., to deliver the necessary information.
  • parameters according to embodiments may be generated in a process of a transmitter according to embodiments, and transmitted to a receiver according to embodiments to reconstruct a point cloud.
  • parameters according to embodiments may be generated by a metadata processing unit (or metadata generator) of a transmitting device according to embodiments, and obtained by a metadata parser of a receiving device according to embodiments.
  • geometry bitstream geometry slice header + geometry slice data
  • geometry slice header may be referred to as a geometry data unit header
  • geometry Slice data can be referred to as data (payload) of a geometry data unit.
  • a bitstream according to embodiments provides tiles or slices so that a point cloud can be divided into regions and processed. When divided into regions, each region may have a different level of importance. By providing that different filters and different filter units can be applied according to their importance, it is possible to provide a method of using a filtering method having high complexity but good quality as a result in an important area. Depending on the processing capacity of the receiver, it is possible to apply different filtering to each area (areas divided into tiles or slices) instead of using complex filtering methods for the entire point cloud, resulting in better image quality in areas that are important to the user. and proper latency on the system can be guaranteed. Accordingly, when the point cloud is divided into tiles, different filters and different filter units may be applied to each tile. When the point cloud is divided into slices, different filters and different filter units may be applied to each slice.
  • a bitstream may include SPS, GPS, APS, and TPS.
  • APS may be plural.
  • the TPS may include tile bounding box related information for a plurality of tiles. For example, location (coordinates) information and size information (width, depth, height) of the bounding box of the tile may be included.
  • the bitstream may include geometry information (data) and attribute information (data) in units of slices (data units). Since point cloud data is encoded in units of slices (data units), a bitstream may include a plurality of slices (data units).
  • One slice (data unit) may include geometry information (position) of one point and one or more attribute information (color, reflectivity, etc.).
  • the 0th slice (data unit) includes geometry data
  • the geometry data may include a geometry slice header and geometry slice data.
  • the geometry slice header may include information about geometry. For example, including geometry parameter set ID information, geometry tile ID information, geometry slice ID information, origin information of a box (bounding box) including geometry, log scale information of a box, maximum node size information, and number of points information. can do.
  • 21 shows a sequence parameter set according to embodiments.
  • the SPS may deliver motion estimation (ME) and motion compensation (MC) related information reflecting attribute information.
  • ME motion estimation
  • MC motion compensation
  • Attribute MEMC enable (sps_attribute_MEMC_enable): Grouping in consideration of attribute information of points included in motion vector estimation units during motion vector estimation and motion vector compensation (motion vector compensation) grouping) and a flag indicating whether to perform ME/MC for each group. If sps_attribute_MEMC_Enable is True, it means that the motion vector estimation method considering the attribute information of the point is applied. If it is False, motion using a search pattern without considering attribute information. It may indicate that motion vector estimation/compensation has been performed.
  • Motion vector continuation enable Whether to inherit and apply the result of motion vector estimation in geometry to the motion estimation of the attribute as it is, geometry and attribute ( This is a flag indicating whether to separately perform the motion vector estimation process of the attribute. If sps_MotionVector_continuation_enable is true, it means that motion vectors are equally applied to geometry and attributes, and if it is false, motion vectors of geometry and attributes are estimated. (motion vector estimation) process may be separately processed.
  • PU depth level (sps_PU_depth_level): If points included in a PU are grouped based on attribute information, that is, if sps_attribute_MEMC_enable is true, the last depth level split into cube or cuboid PUs (depth level) can be signaled. sps_PU_depth_level is greater than the depth level of the leaf node and less than the depth level of the root node.
  • a sequence parameter set may further contain the following elements:
  • simple_profile_compatibility_flag 1 specifies that the bitstream conforms to the simple profile.
  • simple_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile other than the simple profile.
  • dense_profile_compatibility_flag equal to 1 specifies that the bitstream conforms to the Dense profile.
  • density_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile other than the Dense profile.
  • predictive_profile_compatibility_flag 1 specifies that the bitstream conforms to the predictive profile.
  • predictive_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile different from the predictive profile.
  • main_profile_compatibility_flag 1 specifies that the bitstream conforms to the default profile.
  • main_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile other than the main profile.
  • reserved_profile_compatibility_18bits Must be equal to 0 in bitstreams conforming to this version of this document. Another value for reserved_profile_compatibility_18bits is reserved for future use by ISO/IEC. The decoder ignores the value of reserved_profile_compatibility_18bits.
  • slice_reordering_constraint_flag equal to 1 indicates that the bitstream is sensitive to reordering and removal of data units.
  • slice_reordering_constraint_flag 0 indicates that the bitstream is not sensitive to reordering and removal of data units.
  • unique_point_positions_constraint_flag equal to 1 indicates that every output point has a unique position in each point cloud frame that references the current SPS.
  • unique_point_positions_constraint_flag 0 indicates that two or more output points may have the same position in any point cloud frame that references the current SPS.
  • level_idc Indicates the level to which the bitstream conforms as specified in Annex A.
  • the bitstream shall not contain any level_idc values other than those specified in Annex A. Other values of level_idc are reserved for future use by ISO/IEC.
  • sps_seq_parameter_set_id Provides an identifier for the SPS so that it can be referenced by other syntax elements. sps_seq_parameter_set_id MUST be 0 in bitstreams conforming to this version of this document. Other values of sps_seq_parameter_set_id are reserved for future use by ISO/IEC.
  • frame_ctr_lsb_bits Specifies the length of the frame_ctr_lsb syntax element in bits.
  • slice_tag_bits Specifies the length of the slice_tag syntax element in bits.
  • seq_origin_bits Specifies the length in bits of the syntax element seq_origin_xyz[ k ].
  • seq_origin_xyz[ k ] and seq_origin_log2_scale Specifies the origin of the sequence local coordinate system. Index k is the kth X, Y or Z component of the origin coordinate. If not present, seq_origin_xyz[ k ] and seq_origin_log2_scale values are inferred to be 0.
  • the array SeqOrigin is the origin of the sequence's local coordinate system:
  • SeqOrigin[k] seq_origin_xyz[k] ⁇ seq_origin_log2_scale
  • seq_bounding_box_size_bits The bit length of the syntax element seq_bounding_box_size_minus1_xyz[ k ].
  • seq_bounding_box_size_xyz_minus1[ k ]: plus 1 specifies the kth component of the width, height, and depth of the coded volume dimensions, respectively, in the output coordinate system. If not present, the coded volume dimensions are undefined.
  • seq_unit_numerator_minus1, seq_unit_denominator_minus1, and seq_unit_in_metres_flag Specifies the length of the output coordinate system X, Y, and Z unit vectors.
  • seq_global_scale_factor_log2 Specifies the fixed-point scale factor used to derive the output point position from the position in the sequence local coordinate system.
  • seq_global_scale_factor_log2 Used to derive the global scale factor to apply to the location of the point cloud.
  • seq_global_scale_refinement_num_bits The bit length of the syntax element seq_global_scale_refinement_factor. If seq_global_scale_refinement_num_bits is equal to 0, no refinement is applied.
  • seq_global_scale_refinement_factor Specifies refinement for the global scale value. If not present, seq_global_scale_refinement_factor is inferred to be equal to 0.
  • sps_num_attributes Specifies the number of attributes in the coded point cloud. It is a requirement of bitstream conformance that all slices have attribute data units corresponding to all attribute components listed in the SPS.
  • attribute_dimension_minus1[ attrId ]: plus 1 specifies the number of elements of the attrId-th attribute.
  • attribute_instance_id[ attrId ] Specifies the instance identifier for the attrId-th attribute.
  • attribute_bitdepth_minus1[ attrId ]: plus 1 specifies the bit depth of each component of the attrId-th attribute signal(s).
  • known_attribute_label_flag[ attrId ] indicates whether the attribute is identified by the value of known_attribute_label [ attrId ] or by the object identifier attribute_label_oid [ attrId ].
  • the attribute type identified by known_attribute_label may be specified. If the value of known_attribute_label is not specified, it is reserved for future use by ISO/IEC.
  • attribute_label_oid is Recommendation ITU-T X.660
  • the attribute type may indicate color, reflectance, opacity, frame index, frame number, material identifier, normal vector, and the like.
  • num_attribute_parameters Specifies the number of attribute parameter sets in the bitstream. Attribute parameters that are signaled in the sequence parameter set are applied to all data units of the coded point cloud sequence.
  • axis_coding_order Specifies the correspondence between the X, Y and Z output axis labels and the three positional components of every point in the reconstructed point cloud.
  • bypass_stream_enabled_flag 1 specifies that the bypass coding mode can be used when reading the bitstream.
  • bypass_stream_enabled_flag 0 specifies that the bypass coding mode is not used when reading the bitstream.
  • entropy_continuation_enabled_flag 1 indicates that the initial entropy context state of a slice may depend on the final entropy context state of a preceding slice.
  • entropy_continuation_enabled_flag 0 specifies that the initial entropy context state of each slice is independent. It is a requirement of bitstream conformance that entropy_continuation_enabled_flag is equal to 0 when slice_reordering_constaint_flag is equal to 0.
  • sps_extension_flag 0 specifies that the sps_extension_data_flag syntax element is not present in the SPS syntax structure.
  • sps_extension _flag MUST equal 0 in bitstreams conforming to this version of this document.
  • the value 1 of sps_extension _flag is reserved for future use by ISO/IEC.
  • a decoder MUST ignore all sps_extension_data_flag syntax elements following a value of 1 for sps_extension_flag in the SPS syntax structure.
  • sps_extension_data_flag can have any value. Its presence and value do not affect decoder compliance to the profiles specified in Annex A. Decoders conforming to this version of this document MUST ignore all sps_extension_data_flag syntax elements.
  • FIG. 22 shows a set of geometry parameters included in the bitstream of FIG. 20; As shown in FIG. 22, GPS can deliver ME/MC information reflecting attribute information. ME/MC information reflecting attribute information may be added to GPS and signaled.
  • Attribute MEMC Enable Grouping in consideration of attribute information of points included in motion vector estimation units during motion vector estimation and motion vector compensation (motion vector compensation) This is a flag indicating whether to perform grouping. Information necessary for GPS may be declared in order to signal in units of frames. If True, it means that the motion vector estimation method is applied after point grouping considering attribute information, and if False, motion vector estimation/compensation using a search pattern (motion vector estimation/compensation) may be performed.
  • gps_attribute_MEMC_enable can be signaled by receiving the corresponding information. If not in the SPS, whether to apply gps_attribute_MEMC_enable can be signaled differently in units of GPS.
  • MEMC Threshold When gps_attribute_MEMC_enable is true, that is, during motion vector estimation, motion vector estimation after grouping in consideration of attribute information of points included in the PU ( In the case of motion vector estimation, it is possible to signal whether to represent a group from an anchor point that is the center to a point belonging to a certain range. Threshold information may simply be the number of points or may be an internally calculated value in a sigma range centered on an anchor. Also, it may be an input value. Also, it may be a value transmitted to a decoder. Also, it is simply a number having a concept of distance and may be a value determined in advance on the system. This value can be inherited during attribute motion vector estimation when sps_MotionVector_continuation_enable is true.
  • Number of grouping points Points classified into one group may signal a reference value for determining whether separate motion vector estimation is performed for each group.
  • the number of points located within the threshold MEME_threshold
  • grouping_num_points motion vector estimation may be performed using a search pattern.
  • Grouping domain flag (grouping_domain_flag): When grouping, whether the criterion for grouping is an attribute value or a position value of geometry can be signaled. If grouping_domain_flag is true, it can indicate that it is searched based on the position of geometry, and if it is false, it can indicate grouping based on attribute values on attributes. Conversely, signaling may be performed based on attribute information when true and position information when false.
  • GPS may further include the following information.
  • gps_geom_parameter_set_id identifies the GPS so that other DUs can refer to it.
  • gps_seq_parameter_set_id identifies the active SPS with sps_seq_parameter_set_id.
  • slice_geom_origin_scale_present specifies whether slice_geom_origin_log2_scale exists (in case of 1) or not (in case of 0) in the GDU header.
  • slice_geom_origin_scale_present equal to 0 indicates that the slice origin scale is designated by gps_geom_origin_log2_scale.
  • gps_geom_origin_log2_scale specifies the scale factor used to derive the slice origin from slice_geom_origin_xyz when slice_geom_origin_scale_present is 0.
  • geom_dup_point_counts_enabled specifies whether duplicate points can be signaled in the GDU by a per-point duplicate count (when 1) or not (when 0).
  • geom_dup_point_counts_enabled 0 does not prevent coding the same point location multiple times within a single slice via means other than direct_dup_point_cnt, occ_dup_point_cnt or ptn_dup_point_cnt syntax elements.
  • geom_tree_type 0 specifies that the slice geometry is coded using an occupancy tree (7.3.3.4).
  • geom_tree_type 1 indicates that the slice geometry is coded using a prediction tree (7.3.3.8).
  • gps_extension_present indicates whether the gps_extension_data syntax element exists (when 1) or does not exist (when 0) in the GPS syntax structure. gps_extension_present is 0 in bitstreams conforming to this version of this document.
  • gps_extension_data can have any value. Its existence and value do not affect decoder conformance to the profiles specified in this version of this document. A decoder MAY ignore any gps_extension_data syntax element.
  • geom_angular_enabled indicates whether slice geometry is coded (when 1) or not (when 0) using information about a set of beams located along the V-axis of the angular origin and rotating. When activated, point locations are assumed to be sampled along the rays cast by the beam.
  • slice_angular_origin_present specifies whether (if 1) whether the slice-related angular origin is signaled in the GDU header (if 1) or not (if 0). slice_angular_origin_present equal to 0 indicates that the angular origin is gps_angular_origin_xyz. If there is no slice_angular_origin_present, it is inferred as 0.
  • gps_angular_origin_bits_minus1 plus 1 indicates the length of each gps_angular_origin_xyz syntax element in bits.
  • gps_angular_origin_xyz[ ] indicates the XYZ coordinate of the angular origin in the coding coordinate system.
  • num_beams_minus1 plus 1 represents the number of beams enumerated by the GPS.
  • beam_elevation_init and beam_elevation_diff[ ] together represent the beam elevation as a slope on the S-T plane.
  • the elevation gradient of the th beam is represented by the expression BeamElev[ ]. It is a binary fixed-point value with 18 fractional bits.
  • beam_voffset_init and beam_voffset_diff[ ] together indicate the V-axis offset of the enumerated beam from the angle origin. Offsets are specified in units of the coding coordinate system. The offset of the th beam is designated by the expression BeamOffsetV[].
  • beam_steps_per_rotation_init_minus1 and beam_steps_per_rotation_diff[ ] indicate the number of steps performed per rotation by the rotating beam.
  • the value of the th beam is designated as a BeamStepsPerRev[] expression.
  • ptree_ang_azimuth_pi_bits_minus11 plus 11 represents the number of bits representing a half rotation of the beam around the V axis. half a turn is in radians
  • ptree_ang_radius_scale_log2 represents the factor used to scale the radial angular coordinates of points during conversion to Cartesian coordinates.
  • ptree_ang_azimuth_step_minus1 plus 1 represents the expected change in the azimuth of the rotating beam between the coded points.
  • the azimuth prediction residual used for angular prediction tree coding may be coded as a multiple of ptree_ang_azimuth_step_minus1 + 1 and a remainder.
  • occtree_point_cnt_list_present indicates whether the GDU footer enumerates the number of points at each occupancy tree level (when 1) or not (when 0). If there is no occtree_point_cnt_list_present, it is inferred as 0.
  • occtree_direct_coding_mode greater than 0 indicates that the point location can be coded by a suitable direct node in the occupancy tree. occtree_direct_coding_mode equal to 0 indicates that the direct node should not be present in the occupied tree.
  • occtree_direct_joint_coding_enabled indicates whether direct nodes coding two points should jointly code positions according to a specific order of points (when 1) or not (when 0).
  • occtree_coded_axis_list_present 1 indicates that the GDU header contains an occtree_coded_axis syntax element used to derive the node size for each occupancy tree level.
  • occtree_coded_axis_list_present 0 indicates that the occtree_coded_axis syntax element is not present in the GDU syntax and the occupancy tree represents a tertiary volume specified by the tree depth.
  • occtree_neigh_window_log2_minus1 plus 1 represents the number of occupied tree node positions forming each availability window within the tree level. Nodes outside the window are not available to processes associated with nodes within the window. occtree_neigh_window_log2_minus1 equal to 0 indicates that only sibling nodes should be considered usable by the current node.
  • occtree_adjacent_child_enabled indicates whether adjacent children of adjacent occupancy tree nodes are used (when set to 1) or disabled (when set to 0) for bit-occupancy contextualization. Inferred to 0 if occtree_adjacent_child_enabled is not present.
  • occtree_intra_pred_max_nodesize_log2 minus 1 represents the maximum size of occupancy tree nodes suitable for intra-slice occupancy prediction. If occtree_intra_pred_max_nodesize_log2 does not exist, it is inferred as 0.
  • occtree_bitwise_coding indicates whether the node occupancy bitmap is coded using the occupancy_bit syntax element (when 1) or the pre-coded syntax element occupancy_byte (when 0).
  • occtree_planar_enabled indicates whether (when 1) whether or not (when 0) whether coding of the node-occupied bitmap is partially performed by signaling of occupied and unoccupied planes. Inferred to 0 if occtree_planar_enabled is not present.
  • occtree_direct_node_rate_minus1 indicates that, if present, only occtree_direct_node_rate_minus1 + 1 of all 32 eligible nodes can be coded as direct nodes.
  • occtree_planar_buffer_disabled indicates whether contextualization of the occupied plane position for each node using the previously coded node's plane position should be disabled (when 1) or not (when 0). Inferred as 0 if occtree_planar_buffer_disabled is not present.
  • geom_scaling_enabled indicates whether the coded geometry should be scaled (when 1) or not (when 0) during the geometry decoding process.
  • geom_qp represents the geometry QP before adding the per-slice and per-node offsets.
  • geom_qp_mul_log2 represents the scaling factor to be applied to the geometry QP. Each time the scaling step size doubles, there is an Exp2(3 geom_qp_mul_log2) QP value.
  • ptree_qp_period_log2 represents the period of a node for which a predicted tree node QP offset is signaled. The period is one for all Exp2 ( ptree_qp_period_log2 ) nodes.
  • occtree_direct_node_qp_offset represents the offset relative to the slice geometry QP for scaling the direct node coded point location.
  • the APS may deliver ME/MC information reflecting attribute information.
  • Attribute MEMC enable (aps_attribute_MEMC_enable): Grouping in consideration of attribute information of points included in motion vector estimation units during motion vector estimation and motion vector compensation (motion vector compensation) This is a flag indicating whether to perform grouping. It can be declared in APS to signal in units of frames. If True, it means that the motion vector estimation method is applied after point grouping considering attribute information, and if False, motion vector estimation/compensation using a search pattern (motion vector estimation/compensation) may be performed.
  • gps_attribute_MEMC_enable can be signaled by receiving the corresponding information, and if it is not in the SPS, whether or not aps_attribute_MEMC_enable is applied can be signaled differently in units of GPS.
  • Motion vector continuation enable (aps_MotionVector_continuation_enable): When aps_attribute_MEMC_enable is true, whether to inherit and apply the result of motion vector estimation in geometry to motion estimation in attribute This is a flag whether or not to separately perform Motion Vector Estimation of geometry and attributes. If sps_MotionVector_continuation_enable is true, aps_attribute_MEMC_enable is true, and it means that the motion vector of geometry and attribute are applied equally. If false, geometry, attribute This may mean that a motion vector estimation process of (attribute) is separately processed.
  • MEMC Threshold (aps_MEMC_threshold): If aps_attribute_MEMC_enable is false, that is, during motion vector estimation, separate When motion vector estimation is performed after grouping, it is possible to signal whether to represent a group from an anchor point that is the center to a point belonging to a certain range. there is. Threshold information can be simply the number of points, or it can be internally calculated and input in an nSigma range centered on an anchor, and transmitted to a decoder. Also, it is simply a number having a concept of distance and may be a value determined in advance on the system.
  • Points classified into one group may signal a reference value for determining whether separate motion vector estimation is performed for each group.
  • motion vector estimation may be performed using a search pattern.
  • Grouping domain flag (aps_grouping_domain_flag): When grouping, whether the criterion for grouping is an attribute value or a position value of geometry can be signaled. If aps_grouping_domain_flag is true, it can be searched based on the position of the geometry, and if it is false, it can indicate grouping based on the attribute value on the attribute. Conversely, true ( True) may be signaled based on attribute information when false, based on position information.
  • the attribute parameter set may further include the following information.
  • aps_attr_parameter_set_id identifies an APS so that other DUs can refer to it.
  • aps_seq_parameter_set_id identifies the active SPS by sps_seq_parameter_set_id.
  • Attr_coding_type specifies the attribute coding method. Valid values are specified in Table 11. Other values are reserved for future use by ISO/IEC. Decoders conforming to this version of this document MAY ignore (remove from the bitstream and discard) attribute data units coded with the reserved value of attr_coding_type.
  • Attr_primary_qp_minus4 plus 4 represents the QP for the primary attribute component before adding offsets per slice, per region and per transform level.
  • Attr_secondary_qp_offset represents an offset to be applied to the primary attribute QP to derive the QP for the secondary attribute component.
  • Attr_qp_offsets_present indicates whether attr_qp_offset[ ], which is an attribute QP offset per slice, exists in the ADU header (when 1) or not (when 0).
  • Attr_coord_conv_enabled indicates whether attribute coding uses scaled angular coordinates (when 1) or slice-related STV point locations (when 0). It is a requirement of bitstream conformance that attr_coord_conv_enabled should be 0 when geom_angular_enabled is 0. Can be inferred to be 0 when attr_coord_conv_enabled does not exist.
  • Attr_coord_conv_scale_bits_minus1[ ] plus 1 indicates the bit length of the syntax element attr_coord_conv_scale[ ].
  • Attr_coord_conv_scale[ ] specifies the scale factor used to scale the point's th angular coordinate for attribute coding.
  • the scale factor is in units of 2 ⁇ (-8).
  • aps_extension_present indicates whether an aps_extension_data syntax element exists in the APS syntax structure. aps_extension_present may be 0 in bitstreams conforming to this version of this document. The value 1 for aps_extension_present is reserved for future use by ISO/IEC.
  • aps_extension_data can have any value.
  • raht_prediction_enabled indicates whether RAHT coefficients are predicted (when 1) or not (when 0) by upsampling and transforming the previous coarse transform level.
  • raht_prediction_subtree_min and raht_prediction_samples_min represent threshold values that control the use of RAHT coefficient prediction.
  • raht_prediction_samples_min represents the minimum number of spatially adjacent samples for which RAHT coefficient prediction can be performed.
  • raht_prediction_subtree_min represents the minimum number of spatially contiguous samples that must exist to prevent deactivation of RAHT coefficient prediction for all descendants of a RAHT node.
  • pred_set_size_minus1 plus 1 represents the maximum size of the predictor set per point.
  • pred_inter_lod_search_range indicates the index range around the search center that can be searched in an extended inter-level of detail search for nearest neighbors to be included in a point's predictor set.
  • pred_dist_bias_minus1_xyz[ ] plus 1 represents the factor used to weight the th XYZ component of the distance vector between the two point locations used to compute the point-to-point distance in the predictor search for a single fine-tuning point.
  • the expression PredBias[ ] represents an element for the th STV component.
  • PredBias[k] pred_dist_bias_minus1_xyz[StvToXyz[k]] + 1
  • last_comp_pred_enabled indicates whether (when 0) whether the second coefficient component of a 3-component attribute should be used to predict the value of the third coefficient component (when 1). If last_comp_pred_enabled does not exist, it is inferred to be 0.
  • lod_scalability_enabled indicates whether the attribute value should be coded using constrained LoD generation and predictor search (when 1) or not (when 0). When equal to 1, the attribute value may be reconstructed for the partially decoded occupancy tree specified in Annex D. Inferred to 0 if lod_scalability_enabled does not exist.
  • pred_max_range_minus1 plus 1 indicates the distance at which point predictor candidates should be discarded during predictor set pruning for scalable attribute coding, if present. Distances are specified in units of block size per level of detail.
  • lod_max_levels_minus1 plus 1 represents the maximum number of levels of detail that can be created in the LoD creation process. If lod_max_levels_minus1 does not exist, MaxSliceDimLog2 - 1 is inferred.
  • Attr_canonical_order_enabled indicates whether the order in which point attributes are coded is the standard order output by the geometry decoding process specified in this document (when 1) or not (when 0). Inferred to 0 if attr_canonical_order_enabled is not present.
  • lod_decimation_mode indicates the decimation method used to create the level of detail. Valid values are specified in Table 12. Other values are reserved for future use by ISO/IEC.
  • lod_sampling_period_minus2[ lvl ] plus 2 represents the sampling period
  • LoD generation uses to generate the next coarser detail level lvl + 1 using sample points at detail level lvl.
  • lod_initial_dist_log2 represents the block size at the finest level of detail for use in LoD generation and predictor retrieval. If lod_initial_dist_log2 does not exist, it is inferred as 0.
  • lod_dist_log2_offset_present specifies whether the per-slice block size offset specified by lod_dist_log2_offset should be present (if 1) in the ADU header (if 0). If lod_dist_log2_offset_present does not exist, it is inferred as 0.
  • pred_direct_max_idx_plus1 represents the maximum number of single point predictors that can be used for direct prediction.
  • pred_direct_threshold indicates when a point is suitable for direct prediction.
  • the threshold is for the maximum difference between the predictor values in a point's predictor set. Direct prediction is appropriate if the maximum difference is greater than or equal to the threshold.
  • the threshold is adjusted to Exp2( AttrBitDepth - 8 ).
  • pred_direct_avg_disabled indicates whether the point predictor set average is in direct prediction mode (when 0) or not (when 1).
  • pred_intra_lod_search_range indicates the index range in the granular level refinement list from which the nearest neighbors to be included in the point's predictor set are searched.
  • pred_intra_min_lod indicates the most precise detail level at which intra detail level prediction is activated. If pred_intra_min_lod does not exist, it is inferred as lod_max_levels_minus1 + 1. It is a requirement of bitstream conformance that pred_intra_min_lod should be 0 when lod_max_levels_minus1 is 0.
  • inter_comp_pred_enabled indicates whether (when 0) whether the first component of a multi-component attribute coefficient should be used (when 1) to predict the coefficients of subsequent components. If inter_comp_pred_enabled is not present, it is inferred to be 0.
  • pred_blending_enabled indicates whether (when 1) whether the neighbor weights used for neighbor mean prediction should be blended (when 1) according to the relative spatial position of the associated point (when 0). Inferred to 0 if pred_blending_enabled is not present.
  • raw_attr_width_present indicates whether the raw attribute value uses the same fixed-length encoding for all syntax elements (when set to 0) or uses length per syntax element (when set to 1).
  • Figure 24 shows the PU retrieval agent included in the bitstream of Figure 20.
  • the structure of the PU includes a population flag (popul_flags), which is a flag indicating whether a point exists in the PU, a flag for whether to split the corresponding PU into smaller units, and a motion vector to be applied to the PU (motion vector). vector), motion vectors (MVs), and isWorld, a flag indicating whether to use the point cloud after global motion compensation as a reference. . Signaling to inform the number of groups, anchor information for each group, and grouping application range when grouping points included in the corresponding PU based on separate attribute information (signaling) can be added.
  • popul_flags is a flag indicating whether a point exists in the PU, a flag for whether to split the corresponding PU into smaller units, and a motion vector to be applied to the PU (motion vector). vector), motion vectors (MVs), and isWorld, a flag indicating whether to use the point cloud after global motion compensation as a reference.
  • 25 shows a point cloud data transmission device according to embodiments.
  • 25 a and b show a method/apparatus for transmitting point cloud data according to embodiments (transmission device 10000 in FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission in FIG. 2 ( 20000-20001-20002), the encoder of FIG. 4, the transmitter of FIG. 12, the device of FIG. 14, the encoding of FIGS. 15 to 19, the bit stream generation of FIGS. 20 to 24, the encoding of FIG. 25, and the transmission method of FIG. 27).
  • Each component of the device of FIG. 25 may correspond to hardware, software, processor, and/or combinations thereof.
  • An embodiment of the transmitter operation is as follows.
  • data quantization and voxelization are performed to facilitate compression processing.
  • Whether the point cloud data after processing is intra prediction is checked, and if it is an intra prediction frame, geometry intra prediction is performed, and if not, inter prediction is performed.
  • the current frame is split into units of PUs. After the PU is split, the points included in each PU component are found, and the window area that includes the PU area and is larger than the PU is designated in the reference frame. Find points within the (window) area. After the points included in each area (PU and Search Window) are determined, whether to perform motion vector estimation using the attribute information of the point can be checked through a flag. can
  • a target point is selected and the motion vector is determined as a search pattern. vector) is estimated.
  • the cost for split into sub-PUs is calculated, and if split into sub-PUs, the target point ( It is repeated again from the PU split step, which is the step before target point selection.
  • motion compensation is performed and reconstruction/attribute encoding is performed. After passing through the steps, it is exported as a bitstream.
  • the motion vector estimation information is transferred to the attribute encoding step. can be conveyed
  • attribute bitstreams may be transmitted.
  • a point cloud data transmission device (which may be referred to as a processor, an encoder, etc.) according to embodiments may perform an operation as shown in FIG. 25 .
  • a transmitting device receives point cloud data.
  • a transmitting device, an encoder of the transmitting device, a geometry encoder of the encoder, and/or an attribute encoder may encode and transmit point cloud data.
  • the data quantizer/voxelizer may quantize and/or voxelize the point cloud data based on a quantization parameter.
  • the transmitting device may check whether the point cloud data encoding mode is the intra prediction mode.
  • intra prediction may be performed on geometry data of point cloud data. With respect to the geometry data included in the current frame, a predicted value is generated with the geometry of a similar point based on the geometry of the current point in the tree, and a geometry bitstream whose size is reduced by generating a residual value may be transmitted.
  • Attribute data for the geometry may be encoded by restoring the geometry by the geometry restoration unit.
  • the above-described process may be performed by an encoder or, specifically, a geometry encoder. After geometry encoding, the attribute encoder may encode attribute data as described above.
  • point cloud data may be divided into units of PUs.
  • PU means a prediction unit.
  • Inter-frame prediction is performed by finding similar data between the current frame and the reference frame in units of PUs and performing motion vector estimation and motion compensation. Checks whether attribute information is used during geometry inter prediction.
  • a target point is determined and a motion vector is estimated based on a search pattern. And, depending on whether the PU is further divided into sub-PUs, the PU is divided again or motion compensation is performed based on the estimated motion vector. Then, attribute encoding is performed.
  • anchors for search windows and PUs are created, and points for motion vector estimation are classified (grouped).
  • the number of grouping points is compared with the number of points, and if the number of points is greater than the number of grouping points, a motion vector for each group is calculated. Otherwise, a motion vector is estimated based on a search pattern.
  • Motion compensation is performed based on the motion vector for each group and attribute encoding is performed.
  • ME/MC can be continuously applied even in attribute coding.
  • the motion vector is transferred to restore the geometry, and attribute encoding is performed.
  • Attribute motion vectors may be performed based on the motion vector by determining whether to use it for coding as well.
  • 26 shows an apparatus for receiving point cloud data according to embodiments.
  • FIG. 26 is a method/device for receiving point cloud data according to embodiments (receiving device 10004, receiver 10005, point cloud video decoder 10006 in FIG. 1, transmission-decoding-rendering (20002-20003 in FIG. 2)) according to embodiments. -20004), the decoder of FIGS. 10-11, the receiving device of FIG. 13, the device of FIG. 14, decoding of FIGS. 15 to 19, bitstream parsing of FIGS. 20 to 24, encoding of FIG. 26, and receiving method of FIG. 28).
  • Each component of the device of FIG. 26 may correspond to hardware, software, processor, and/or combinations thereof.
  • the receiving device of FIG. 26 may perform each operation and reverse process of the transmitting device of FIG. 25 .
  • a receiver (which can be referred to as a receiving device, decoder, processor, etc.) performs entropy decoding, dequantization, and inverse transformation on the received bitstream, which is the prediction error for each point. Reconstruct the original point cloud with the residual. If the corresponding frame is a frame for intra prediction, update the geometry information of the point cloud after applying the method for intra prediction If not, it is checked whether it is a PU that needs to be split. If it is a PU that needs to be split, after additional splitting of the PU, it is checked whether splitting has been added for each sub PU, and if the split flag is false , the motion vector of the PU is decoded.
  • attribute information When grouping is performed according to , points in Pu are grouped using the decoded anchor and threshold information, and motion vector compensation is performed. do. If it is false, the point cloud is updated after compensation of motion vectors for all points corresponding to the PU.
  • the motion vector information transmitted for each PU is used for motion vector compensation of an attribute during the attribute decoding process, the motion vector of the geometry All or part of it can be passed to the attribute decoder.
  • attribute information is decoded to include attribute information in the corresponding location, and the reconstructed point cloud contents are delivered to the renderer. .
  • An apparatus for receiving point cloud data, a decoder, a geometry decoder of a decoder, an attribute decoder of a decoder, and a processor may decode point cloud data as shown in FIG. 26 .
  • Entropy decoding may be performed by receiving a bitstream.
  • Point cloud data can be inversely quantized.
  • the reverse process of the quantization operation on the transmit side may be performed.
  • the coordinate system for point cloud data can be inversely transformed.
  • An inverse process of the coordinate system conversion operation of the transmitting side may be performed.
  • decoding may be performed on an intra frame.
  • attribute decoding may be performed by updating the point cloud and restoring the point cloud geometry.
  • point cloud data may be segmented.
  • the division may be divided into PU units.
  • a motion vector of point cloud data for inter prediction may be decoded.
  • points can be classified based on thresholds and anchors, similarly to the transmitting side.
  • Motion compensation may be performed based on the motion vector.
  • point cloud data may be updated, and attribute decoding may be performed by restoring the point cloud geometry.
  • the motion vector may be continuously used during attribute decoding.
  • attribute information of a point to be predicted may be considered.
  • the encoder can perform motion prediction by grouping related points among the points included in each area of the PU and search window, thereby reducing the division process of an additional prediction unit. , the accuracy is improved.
  • a group of classified points can become an object unit, so it can be used for object-based motion vector estimation/compensation.
  • the decoder reduces the segmentation process, and since the motion vector of geometry can be used to predict the motion of attribute information, the bitstream size and decoding time can be reduced.
  • a process of a transmitting/receiving device may be combined with a point cloud compression process described in this document.
  • operations according to embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a processor may be referred to as a controller or the like. Operations in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in a memory.
  • FIG. 27 illustrates a point cloud data transmission method according to embodiments.
  • a point cloud data transmission method may include encoding point cloud data.
  • the encoding operation according to the embodiments includes FIG. 1 transmission device 10000, point cloud video encoder 10002, encoding 20001, FIG. 4 encoder, FIG. 12 transmission device, FIG. 14 XR device 1430, encoding according to FIGS. 15 to 19, FIGS. 24 bitstream and parameter generation, FIG. 25 encoding, and the like.
  • the method for transmitting point cloud data may further include transmitting a bitstream including point cloud data.
  • Transmission operations according to the embodiments include FIG. 1 transmission device 10000, transmitter 10003, transmission 20002, transmission of encoded point cloud data according to FIGS. 15 to 19, generation and transmission of bitstreams and parameters in FIGS. 20 to 24, and encoding in FIG. It can include operations such as transmission.
  • a method for receiving point cloud data may include receiving a bitstream including point cloud data.
  • the reception operation according to the embodiments may include operations such as reception device 10004 in FIG. 1, receiver 10005, transmission 20002, and bitstream and parameter reception in FIGS. 20 to 24.
  • the method for receiving point cloud data may further include decoding the point cloud data.
  • Decoding operations according to the embodiments include point cloud video decoder 10006, decoding 20003, decoder of FIGS. 10-11, receiving device in FIG. 13, XR device 1430 in FIG. 14, decoding according to FIGS. and parameter parsing, Fig. 26 decoding, and the like.
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream including point cloud data; can include
  • a PU (Prediction Unit) based encoding (inter prediction) process may be performed as follows.
  • encoding the point cloud data includes encoding geometry data of the point cloud data, encoding attribute data of the point cloud data, and the point cloud data is encoded based on the prediction unit.
  • encoding point cloud data further includes grouping points included in a prediction unit based on the attribute data, and Points included in the unit may be classified based on attribute data for the points, and anchors may be generated.
  • the grouping may include grouping points included in a range of attribute data for points based on anchors, or based on anchors.
  • the points included in the range of geometry data for the points may include grouping points included in the range of geometry data for the points.
  • encoding the point cloud data may include estimating a motion vector for the group based on the number of grouped points or estimating the number of grouped points. Based on , a motion vector can be estimated for the prediction unit.
  • the grouping step is to generate a group based on a threshold for attribute data of points or to generate a group based on geometry data of points.
  • Groups are created based on thresholds, where points classified based on attribute data can be included in groups based on anchors and thresholds.
  • the bitstream may include parameters for motion estimation and motion compensation related to attribute data.
  • Specific syntax and semantics may refer to the above description.
  • encoding the point cloud data includes quantizing the point cloud data, voxelizing the point cloud data, and converting the point cloud data into a prediction unit. Classifying points of the point cloud data based on attribute data of the point cloud data, generating anchors for the points, classifying points for motion vector estimation based on the anchors Step, the classified points are included in a group, generating a motion vector for the group, performing motion compensation based on the motion vector, encoding attribute data of the point cloud data based on the motion vector, including can do.
  • a point cloud transmission method is performed by a transmission device, the transmission device comprising: an encoder encoding point cloud data; and a transmitter that transmits a bitstream including point cloud data; can include
  • a transmitting device may be composed of a memory and a processor.
  • a method for receiving a point cloud may perform a corresponding process or a reverse process of the transmission method.
  • receiving a bitstream including, for example, point cloud data; and decoding the point cloud data can include
  • Decoding the point cloud data includes decoding geometry data of the point cloud data and decoding attribute data of the point cloud data, and the point cloud data may be decoded based on the prediction unit.
  • the decoding of the point cloud data further includes grouping the points included in the prediction unit based on the attribute data, classifying the points included in the prediction unit based on the attribute data for the points, , can create anchors.
  • a prediction unit may be referred to as a PU.
  • Grouping points means classifying points into groups of points that are efficient for encoding/decoding according to a predetermined criterion and method.
  • the grouping may group points included in the range of attribute data for points based on an anchor, or group points included in a range of geometry data for points based on an anchor. there is.
  • decoding the point cloud data includes entropy decoding a bitstream, inverse quantizing the point cloud data, and calculating coordinates of the point cloud data. Inverse transforming, segmenting the point cloud data based on prediction units, decoding motion vectors for the point cloud data, using attribute data of the point cloud data, anchors and thresholds for the point cloud data Classifying the points of the point cloud data based on , and performing motion compensation on the classified points.
  • a method of receiving point cloud data may be performed by a receiving device.
  • the receiving device may be composed of a memory and/or a processor.
  • the receiving device includes a receiver for receiving a bitstream including point cloud data; and a decoder to decode the point cloud data; can include
  • Encoding and decoding schemes perform local motion estimation using an octree (or general tree) geometry coding-based prediction unit.
  • an octree or general tree geometry coding-based prediction unit.
  • the embodiments have repeatedly used a search pattern. Rather, position information (geometry data) of points in the same PU is grouped using attribute information (attribute data), and the corresponding information (points) in the reference frame connected to the grouped information (points) is compared for motion. It can perform vector estimation and motion compensation. Encoding and decoding time can be effectively reduced compared to the fixed search pattern method.
  • the embodiments go beyond using only position information of simple points when estimating local motion, classify points with high correlation between points using attribute information, and efficiently estimate and compensate motion vectors based on the classified information. can be done with
  • a point is classified and a motion vector is estimated by considering geometry and attributes together, there is an effect of increasing prediction accuracy and performance. Therefore, technical problems and limitations related to local motion estimation can be effectively solved.
  • objects and loads included in the point cloud content are separated and local motion estimation is performed.
  • the prediction unit is divided, and the geometry and Motion estimation can be performed by creating a point group considering attributes.
  • embodiments may further provide that points are grouped according to position information within the same PU using attribute information, and motion estimation and motion compensation are performed. As described above, the criterion and/or method of point grouping can also be utilized in various ways.
  • Embodiments can solve the problem that attribute prediction accuracy decreases by considering attribute information together even if attributes of different objects exist in the same PU. To this end, points are classified and grouped to provide an effect of predicting between points belonging to one object further from the same PU.
  • the motion vector is found by considering only the distance basis in the same PU unit, so it belongs to one PU. and, in the case of considering multiple points constituting an object, completely different object information can be mixed. There may be problems that reduce the accuracy of predictions.
  • Embodiments may perform motion vector estimation considering geometry and attributes.
  • outliers among candidates for motion vector estimation may be removed or separately processed using attribute information of a reference frame.
  • motion vector information found in geometry can be inherited during attribute coding.
  • points of PUs that are primarily classified based on geometry may be separated into attribute information.
  • the criterion for removing outliers or applying the existing method can be applied when the number of points within a specific value or less in the same PU has attribute information different from the majority of points.
  • Attribute information may be included as the same object or PU information only when it is the same or has a difference value of less than a certain value.
  • the search pattern method When classifying points by attribute information, if there is no change from the classification based on geometry, or if the number of points classified based on attribute information is less than a predetermined number, the search pattern method is applied.
  • the encoder can perform motion prediction by grouping related points using attribute information among the points included in each area of the PU and search window, thereby dividing an additional prediction unit.
  • the process can be reduced, the accuracy is improved, and the group of classified points can be an object unit, so object-based motion vector estimation/compensation can be used for
  • the decoder reduces the segmentation process, and since the motion vector of geometry can be used to predict the motion of attribute information, the bitstream size and decoding time can be reduced.
  • each drawing has been divided and described, but it is also possible to design to implement a new embodiment by merging the embodiments described in each drawing. And, according to the needs of those skilled in the art, designing a computer-readable recording medium in which programs for executing the previously described embodiments are recorded falls within the scope of the embodiments.
  • the device and method according to the embodiments are not limited to the configuration and method of the embodiments described above, but the embodiments are selectively combined with all or part of each embodiment so that various modifications can be made. may be configured.
  • Various components of the device of the embodiments may be implemented by hardware, software, firmware or a combination thereof.
  • Various components of the embodiments may be implemented as one chip, for example, as one hardware circuit.
  • components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be executed. Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing methods/operations of an apparatus may be stored in a non-transitory CRM or other computer program products configured for execution by one or more processors, or may be stored in one or more may be stored in transitory CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM) but also non-volatile memory, flash memory, PROM, and the like. Also, those implemented in the form of a carrier wave, such as transmission through the Internet, may be included.
  • the processor-readable recording medium is distributed in computer systems connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. Only thing For example, a first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as the first user input signal. Use of these terms should be construed as not departing from the scope of the various embodiments. Although both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • operations according to embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a processor may be referred to as a controller or the like.
  • Operations in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in a memory.
  • the transmitting/receiving device may include a transmitting/receiving unit for transmitting/receiving media data, a memory for storing instructions (program codes, algorithms, flowcharts and/or data) for processes according to embodiments, and a processor for controlling operations of the transmitting/receiving device.
  • a transmitting/receiving unit for transmitting/receiving media data
  • a memory for storing instructions (program codes, algorithms, flowcharts and/or data) for processes according to embodiments
  • a processor for controlling operations of the transmitting/receiving device.
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or combinations thereof. Operations according to the above-described embodiments may be performed by a processor. Also, the processor may be implemented as an encoder/decoder for the operations of the above-described embodiments.
  • the embodiments may be applied in whole or in part to an apparatus and system for transmitting and receiving point cloud data.
  • Embodiments may include changes/variations, which do not depart from the scope of the claims and their equivalents.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Generation (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
기술적 과제를 달성하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 동일 PU 내 지오메트리 정보 및 어트리뷰트 정보를 나타낸다.
도16은 실시예들에 따른 포인트들을 분류 및 기준값 선정 방법을 나타낸다.
도17은 실시예들에 따른 포인트 그룹핑하는 방법을 나타낸다.
도18은 실시예들에 따른 모션 벡터 추정 방법을 나타낸다.
도19는 실시예들에 따른 포인트 그룹핑 방법을 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 비트스트림을 나타낸다.
도21은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도22는 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도23은 실시예들에 따른 어트리뷰트 파라미터 세트를 나타낸다.
도24는 실시예들에 따른 PU 구조체를 나타낸다.
도25 a, b는 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도26은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2022013407-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2022013407-appb-img-000002
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure PCTKR2022013407-appb-img-000003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15 내지 19 인코딩, 도20 내지 도24 비트스트림 생성, 도25 인코딩, 도27 송신 방법 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15 내지 19 디코딩, 도20 내지 도24 비트스트림 파싱, 도26 인코딩, 도28 수신 방법 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들은 속성 정보를 활용한 모션 벡터 예측방법(Method for motion vector estimation using attribute information)을 포함할 수 있다.
실시예들에 따른 방법/장치는 한 개이상의 프레임을 가지는 포인트 클라우드 데이터의 압축 효율을 높이기 위한 방법으로써 프레임간 예측 기술을 적용하기 위해 PU/CU/TU/슬라이스(Slice)/타일(Tile)/브릭(Brick)/프레임(Frame)에 포함된 포인트(point)의 속성 정보를 활용한 모션 벡터 추정(motion vector estimation) 방법을 포함하고 수행할 수 있다.
실시예들에 따른 PU/CU/TU/슬라이스(Slice)/타일(Tile)/브릭(Brick)/프레임(Frame)는 포인트 클라우드 데이터를 포함하는 단위이고, 부호화 및 복호화 단위를 지칭한다.
PU는 프레딕션 유닛(prediction unit)이고, TU는 트랜스폼 유닛(transform unit)이고 CU는 코딩 유닛(coding unit)이다. 슬라이스는 타일, 브릭, 서브픽쳐 등으로 분할될 수 있다. CU는 PU, TU 등으로 분할될 수 있다. 프레임은 포인트 클라우드 데이터를 포함하는 프레임을 지칭한다.
실시예들에 따른 방법/장치는 포인트 클라우드 (point cloud)로 구성된 데이터를 압축하고 복원하기 위한 동작을 포함한다. 구체적으로는 한 개 이상의 프레임(frame)을 가지는 포인트 클라우드의 효과적인 압축 및 복원을 위해 인터 프레딕션(inter prediction) 기술 중 하나인 모션 벡터 추정(motion vector estimation) 방법을 제공할 수 있다.
EM(inter prediction) 기술에서 모션 추정(Motion estimation)을 하기 위해 적용된 방법은 최소 6개에서 최대 26개의 서로 다른 방향의 단위 벡터로 이루어진 LUT가 존재하고 뫃션 추정(motion estimation)의 대상이 되는 포인트(point)의 벡터 차이(vector difference)로부터 현재 프레임(current frame)의 포인트(point)가 되기 위해 더해져야 하는 최적의 모션 벡터(motion vector)를 찾는 과정을 거쳐 베스트 모션 벡터(best motion vector)로 모션 보상(motion compensation)을 한다.
이 때 LUT로 정의된 유닛 벡터(unit vector)의 정보는 각 축별로 90°씩 회전하여 얻을 수 있는 6개의 벡터(vector)로 구성된 가장 작은 벡터 LUT(vector LUT) 혹은 서칭 패턴(searching pattern)으로 정의 되어있고, 모든 방향으로 45°각도로 이루어진 26개 유닛 벡터(unit vector)로 이루어진 서칭 패턴(searching pattern)이 가장 큰 LUT을 적용할 수 있다. LUT은 상황에 따라서 어답티브(adaptive)하게 다르게 적용되는 것이 아니라 사용자 필요에 따라서 수동으로 LUT를 교체해야 한다. 이러한 서칭 패턴(searching pattern)은 미리 지정된 탐색 방향으로 적용하는 움직임의 크기만큼 변화 시켜가며 반복적으로 수행하여 모션 벡터(motion vector)를 찾을 수 있다는 장점이 있다. 다만, 각 타겟 벡터(target vector) - 스케일 팩터(scale factor) x 서칭 패턴(searching pattern)에 대해 가장 작은 차이를 가지는 스케일 팩터(scale factor) x 서칭 패턴(searching pattern)을 찾고, 반복적으로 스케일 팩터(scale factor)를 조정해 가며 가장 가까운 모션 벡터(motion vector)를 찾아가는 방식이다. 즉, 현재 G-PCC에서는 ME/MC를 할 때 데이터 분포를 반영하지 않고 PU에 포함된 모든 포인트(point)들을 모션 벡터 추정(motion vector estimation)을 위해 포함시키고 있다. 서치 윈도우(Search window)와 PU 각각에 포함된 포인트(point)간의 차이가 지나치게 큰 경우에는 ME/MC에서 제외시키고 있다. 다만, 지오메트리(geometry)와 어트리뷰트(attribute) 정보를 분리하여 별도의 정보로 처리하다 보니 지오메트리(geometry)만 고려했을 때 동일 프레딕션 유닛(prediction unit)에 속해 있는 경우 기존 방식에서는 실제 어트리뷰트(attribute) 정보가 전혀 다른 경우에도 동일 PU 단위로 거리 기반만 고려하여 모션 벡터(motion vector)를 찾는 문제가 있다.
도15는 실시예들에 따른 동일 PU 내 지오메트리 정보 및 어트리뷰트 정보를 나타낸다.
도15는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치가 인터 프레딕션을 수행하는 과정에서 이용되는 PU 및 PU에 포함된 포인트들의 분포를 예시로 나타낸다.
예를 들어, PU가 3개의 포인트들을 포함할 수 있다. 3개의 포인트 각각은 지오메트리 정보(지오메트리 데이터, 포인트의 위치값)을 가질 수 있다. 3개의 포인트들은 서로 다른 오브젝트들에 포함될 수 있다. 즉, 포인트1500 및 포인트1501이 서로 다른 오브젝트에 포함되고, 서로 다른 어트리뷰트 정보(어트리뷰트 데이터, 속성)을 가질 수 있다. 포인트1500 및 포인트1501을 하나의 PU단위로 모션 추정하는 것보다 실제 포인트의 오브젝트 단위에 기반한 모션 추정을 적용하는 것이 좀 더 효율적이고 정확한 포인트 압축/복원이 가능하다.
포인트 3개가 속한 경우만 예를 들었지만 하나의 PU에 속해 있고, 오브젝트(object)를 이루는 다수의 포인트(point)를 고려하는 상황일 경우 전혀 다른 오브젝트(object) 정보가 혼합될 수 있고, 그럴 경우 서로 다른 움직임을 가지는 오브젝트(object)를 하나의 단위 (prediction unit)로 고려하여 모션 벡터 추정(motion vector estimation)을 됨에 따라 인터 프레딕션(inter prediction)의 정확도를 떨어뜨리는 문제가 있을 수 있다. 따라서, 실시예들에 따른 로컬 모션 추정 시 어트리뷰트 정보를 더 고려하는 모션 벡터 예측 방법이 이러한 문제점 및 한계점을 효과적으로 해결할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 장치가 포인트 클라우드 데이터를 PU로 분류하는 과정에서 어트리뷰트(attribute) 정보를 같이 탐색함으로써 PU내 포인트(point)의 속성 정보가 관련성이 높은 포인트(point)끼리 그룹핑(grouping)하여 움직임 예측하는 방법을 포함할 수 있다.
예를 들어, 지오메트리(Geometry)와 어트리뷰트(attribute)를 고려한 모션 벡터 추정(motion vector estimation)을 할 수 있다. 참조(레퍼런스) 프레임(Reference frame)의 어트리뷰트(Attribute) 정보로 모션 벡터 추정(motion vector estimation)의 후보(candidate) 중 아웃라이어(outlier)를 제거하거나 별도의 처리를 할 수 있다. 지오메트리(Geometry) 에서 찾은 모션 벡터(motion vector) 정보를 어트리뷰트 코딩(attribute coding) 시 상속할 수 있다. 지오메트리(Geometry)를 기준으로 1차 분류된 PU의 포인트들(points)은 어트리뷰트(Attribute) 정보로 분리 될 수 있다. 아웃라이어(Outlier)를 제거하거나 기존 방식을 적용하는 기준은 동일 PU내 특정 값 이하의 포인트(point) 수가 대다수의 포인트(point)와 다른 어트리뷰트(attribute) 정보를 가졌을 때 적용할 수 있다. 어트리뷰트(Attribute) 정보는 동일하거나 일정값 이하의 차이값을 가질 때만 동일 오브젝트(object), PU 정보로 포함될 수 있다. 어트리뷰트(Attribute) 정보로 분류 했을 때에도 지오메트리(geometry) 기준으로 분류한 것과 변화가 없거나 어트리뷰트(attribute) 정보를 기준으로 분류된 포인트(point) 개수가 미리 정해진 수보다 적으면 기존 방식 적용할 수 있다.
도16은 실시예들에 따른 포인트들을 분류 및 기준값 선정 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 송수신 장치는 모션 벡터 추정을 위해서 포인트들을 분류하고 기준값을 선정할 수 있다.
도16을 참조하면, 동일한 PU내 포인트(point)들이 있고, 어트리뷰트(attribute) 값을 기준으로 세 개의 어트리뷰트 그룹(attribute group)으로 크게 분류를 할 수 있다. 도16과 같이 어트리뷰트(attribute) 값 범위에 따라 히스토그램(histogram)을 생성하고, 데이터 분포를 나타낼 수 있다. PU내 포인트(point)들을 그룹핑(grouping)하기 위해 후술하는 기준에 따라 추가적 방법을 적용할 수 있다.
어트리뷰트(Attribute) 값을 기준으로 포인트 포지션(point position)을 분류하기 위해 가장 많은 빈도수를 가지는 히스토그램(histogram)의 빈(bin)을 찾아, 해당 빈(bin)의 중앙값, 최빈값, 평균값을 첫번 째 지오메트리 그룹(geometry group)을 분류하기 위한 기준 값(group_anchor_attr)으로 선정한다. 기준값의 적용 범위에 따라 방법은 다음과 같이 두 가지 방법으로 달라질 수 있다(1) 비정형, 2) 정형).
기준 값을 선정 후에 포인트(point)를 분류하기 위해 기준 값(group_anchor_attr)로부터 어트리뷰트(attribute) 값의 특정 범위 내에 포함되는 포인트(point)들을 그룹핑(grouping) 할 수 있다.
기준 값(group_anchor_attr)와 동일하거나 가장 가까운 어트리뷰트(attribute) 정보를 가지는 포인트 포지션(point position)으로 부터 특정 범위 내에 포함되는 포인트(point)들을 하나의 그룹(group)으로 분류할 수 있다.
도16을 참조하면, 하나의 동일 PU는 포인트들을 포함할 수 있고, 포인트들을 어트리뷰트 값에 따라서 분류할 수 있다. 예를 들어, 어트리뷰트가 포인트의 컬러인 경우, 파란색 속성을 가지는 포인트들1601, 노란색 속성을 가지는 포인트들1602, 녹색 속성을 가지는 포인트들1603이 빈도수(frequency)에 따라서 분포될 수 있다.
그룹핑을 위한 기준 값(앵커 값)을 선정하기 위해서, 동일한 속성을 가지는 포인트들의 그룹에서 가장 빈도수가 많은 어트리뷰트를 기준으로 앵커 값을 선정할 수 있다. 제1 앵커 값 및 제2 앵커값1604이 포인트 분포에 따라서 도16과 같이 각각 선정될 수 있다.
도17은 실시예들에 따른 포인트 그룹핑하는 방법을 나타낸다.
실시예들에 따른 방법/장치는 도16에서 기준값을 선정하고, 도17과 같이, 기준값에 따른 포인트를 그룹핑할 수 있다.
기준값(앵커)에 기초하여, 포인트들을 그룹핑하는 방법은 영역의 형태에 따라 수행될 수 있다. 1) 영역의 형태가 비정형이거나, 및/또는 2) 영역의 형태가 정형일 수 있다.
첫 번째 방법으로, 어트리뷰트(attribute) 값의 특정 범위 기준으로 포인트 포지션(point position)을 분류하게 되면 PU 공간 내 하나의 그룹(group)으로 분류되는 포인트(point)들을 묶었을 때 비정형 형태의 영역에 존재하는 포인트(point)들이 하나의 그룹(group)이 될 수 있다.
두 번째 방법으로, 기준이 되는 어트리뷰트(attribute)값을 가지는 포인트(point)를 기준으로 특정 범위 내 포함되는 포인트(point)들을 그룹핑(grouping) 할 때 상대적으로 정형화 된 영역에 포함된 포인트(point)들이 하나의 그룹(group)으로 형성될 수 있다.
도17(a)를 참조하면, 전술한 바와 같이, 제1 기준값(제1 앵커)를 기준으로, 어트리뷰트 값의 특정 범위 내 포함된 포인트들을 그룹핑하면 그룹핑된 포인트들의 영역이 비정형적일 수 있다. 제1앵커 및 제2앵커 각각마다 제1그룹 내지 제2그룹 등이 생성될 수 있다.
도17(b)를 참조하면, 전술한 바와 같이, 제1기준값(제1앵커)를 기준으로, 지오메트리 값의 특정 범위 내 포함된 포인트들을 그룹핑하면, 그룹핑된 포인트들의 영역이 원형 등과 같은 정형적인 형태를 가질 수 있다. 제1앵커 및 제2앵커 각각마다 제1그룹 내지 제2그룹 등이 생성될 수 있다.
도18은 실시예들에 따른 모션 벡터 추정 방법을 나타낸다.
실시예들에 따른 방법/장치는 도17 등과 같이, 포인트들을 그룹핑하고, 그룹에 대해 모션 벡터 추정을 적용할 수 있다.
어트리뷰트(Attribute) 정보를 고려한 모션 벡터 추정(Motion Vector Estimation)(MVE)를 하기 위한 방법은 도17과 같이 확장할 수 있다.
PU내 포함된 포인트(point)들을 별도의 그룹(group)으로 분류하기 위해서 어트리뷰트(attribute)를 기준으로 생성된 히스토그램(histogram)에서 앵커(anchor)를 선택하고(도16 등 참조), 그룹(group)의 개수를 결정할 수 있다. 만약 그룹핑(grouping) 후(도17 등 참조) 각 그룹(group) 모두 포함한 포인트(point) 개수가 기준값보다 적으면, 어트리뷰트(attribute) 정보를 활용하지 않는 방법을 사용할 수 있다. 그룹핑(Grouping) 후 특정 그룹(group)에서만 포이트(point) 개수가 일정 수보다 많으면 해당 그룹(group)에 대해서만 모션 벡터 추정(Motion vector estimation) 대상으로 적용하고, 나머지 포인트(point)들은 모션 벡터 추정(Motion Vector estimation) 대상에서 제외할 수 있다.
동일 PU내 하나 이상의 그룹(group)으로 재분류될 수 있기 때문에 그룹(group)의 중심 혹은 분류의 기준이 되는 값 선정 방법이 필요할 수 있다. 선정 방법에 따라 정해진 기준값(group_anchor)의 개수가 동일 PU에 포함된 그룹(group)의 개수를 나타낼 수 있으며, 수신기로 해당 정보를 보내줄 수 있다.
그룹 앵커(group_anchor) 선정 방법은 도16 등과 같이 어트리뷰트(attribute) 정보를 균일한 범위로 나누어 어트리뷰트(attribute) 기준으로 범위별 프리퀀시(frequency)를 카운트(count)하여 히스토그램(histogram)으로 나타내고, 가장 빈도수가 높은 범위를 첫 번째 그룹(group)의 앵커(anchor)로 등록한다. 첫 번째 그룹(group)의 앵커(anchor)를 중심으로 미리 지정된 혹은 계산된 스레스홀드(임계값(threshold)) 범위에 속하는 포인트(point)를 그룹(group)의 요소로 등록한다. 등록된 포인트(point)의 개수가 기준 포인트 개수(point_num_criteria)보다 큰 경우 해당 그룹(group)을 모션 벡터 추정(MVE)할 대상으로 삼는다. 그룹(group) 내 포함된 포인트(point)가 기준 포인트 개수(point_num_crieteria)보다 적은 경우 앵커(anchor) 정보와 그룹(group)에 포함된 포인트(point) 정보를 삭제할 수 있다. 첫 번째 그룹(group)에 포함된 포인트(point) 개수가 기준 포인트 개수(point_num_criteria)보다 적고 첫 번째 그룹(Group)에 포함되지 않는 포인트(point)의 개수가 기준 포인트 개수(point_num_criteria)보다 적은 경우 해당 PU의 처리 방법은 어트리뷰트(attribute) 정보를 사용하지 않을 수 있다. 첫 번째 그룹(group)이 MVE에 사용가능한 그룹(group)일 경우, 첫 번째 그룹(group)에 포함된 포인트(point)에 대해서만 MVE를 수행할 수 있다. 만약 첫 번째 그룹(group)에 포함되지 않은 포인트(point)의 개수가 기준 포인트 개수(point_num_criteria)보다 큰 경우 두 번째 앵커(anchor)를 선정해야 하는데 첫 번째 그룹(group)에 포함되지 않는 포인트(point)를 중심으로 히스토그램(histogram)을 다시 생성하고, 그 중에 가장 빈도수(frequency)가 높은 빈(bin)의 평균, 중앙, 및/또는 최빈값을 두 번째 그룹(group)의 앵커(anchor)로 삼고, 두 번째 그룹(group)의 그룹 앵커(group_anchor)로 등록한다. 첫 번째 그룹(group)에서 앵커(anchor) 주변 포인트(point)를 그룹핑(grouping) 후 MVE 대상 유 또는 무를 판단을 한 것과 동일한 방법으로, 동일 PU에 속하고, 첫 번째 그룹(group)에 포함되지 않는 포인트(point) 중 두 번째 그룹 앵커(group_anchor) 주변의 포인트(point)를 그룹핑(grouping)하고, MVE 대상 가능 여부를 확인한다. 그룹의 포인트의 개수가 기준 포인트 개수보다 큰 경우(>point_num_criteria) 두 번째 그룹(group)에 대한 MVE를 수행한다. 이러한 과정을 반복 수행함으로써 동일 PU내에서 서로 다른 어트리뷰트(attribute) 분포를 가질 경우 그룹핑(grouping)을 통해 분리 후 독립적인 MVE를 할 수 있다.
이러한 과정은 현재 프레임(Current frame)에서 수행되며 동일 PU에서 서로 다른 어트리뷰트(attribute) 분포를 가지는 포인트(point)들을 그룹핑(grouping)한 것처럼 레퍼런스 프레임(reference frame)에서도 PU 및 서치 윈도우 임계값 기반 범위(PU+search_window_threshold)인 이 범위 내 속한 포인트(point)들에 대해 그룹핑(grouping)을 할 수 있다. 현재 프레임(current frame)과 동일한 그룹 앵커(group_anchor) 정보를 수신 하거나, 서치 윈도우(search window)에서 찾은 그룹 앵커(group_anchor) 정보를 현재 프레임(current frame)에 전달할 수 있다. 각 그룹(group)의 분류 기준인 그룹 앵커(group_anchor) 리스트 요소 각각을 중심으로 이웃하는 포인트(point)들을 그룹핑(grouping)하고, 그룹(group)에 포함된 포인트(point)의 개수를 기준으로 MVE 대상인지의 여부를 판단하여 MVE 대상인 그룹(group)에 대해 모션 벡터 추정(Motion vector estimation)을 할 수 있다. 레퍼런스 프레임(Reference frame)의 서치 윈도우(search window)에서 별도의 그룹(group)에 속하지 않는 포인트(point)들에 대해서는 어트리뷰트(attribute) 정보 없이 포지션(position) 정보만을 활용하여 MVE를 할 수도 있고, MVE 결과로 획득된 각 모션 벡터(Motion vector) 정보의 가중합산을 통해 계산 동작을 수행할 수 있다.
도18을 참조하면, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법의 인코딩 및/또는 디코딩하는 단계는, 그룹 분류 기준을 선정하는 단계(앵커를 설정하는 단계), 각 그룹의 포인트 개수를 획득하는 단계, 각 그룹의 포인트 개수 및 기준 포인트 개수를 비교하는 단계, 각 그룹의 포인트 개수가 많은 경우, 각 그룹마다 어트리뷰트 기반 모션 벡터 추정을 수행하고, 각 그룹의 포인트 개수가 적은 경우, PU에 대한 모션 벡터 추정을 수행할 수 있다.
도19는 실시예들에 따른 포인트 그룹핑 방법을 나타낸다.
도19는 도17 등에서 설명한 포인트 그룹핑 방법을 좀 더 상세하게 나타낸다.
실시예들에 따른 방법/장치는 포인트들에 대한 그룹(Group)의 포함 대상을 다음과 같이 결정할 수 있다.
방법1: 포인트의 어트리뷰트(Attribute) 기준으로 앵커(anchor)를 설정한 후에 기준 점(앵커)으로부터 특정 범위에 포함되는 포인트(point)들을 하나의 그룹(group)으로 분류하는 경우 앵커(anchor)에 해당하는 어트리뷰트(attribute) 정보를 기준으로 임계치 범위(+/- threshold) 내 포함되는 속성정보를 그룹에 포함시키고, 포함된 포인트(point)들의 지오메트리(geometry) 정보를 리턴(return)하여 하나의 그룹(group)으로 분류하는 방법을 수행할 수 있다.
방법2: 앵커(anchor)에 해당하는 어트리뷰트(attribute) 정보와 가장 가까운 어트리뷰트(attribute)를 가지는 지오메트리(geometry) 정보를 기준으로 임계치 범위(+/- threshold) 내 포함되는 포지션(position)을 가지는 지오메트리(geometry) 정보를 하나의 그룹(group)으로 분류하는 방법을 수행할 수 있다.
앵커(Anchor)에 해당하는 어트리뷰트(attribute) 정보를 기준으로 어트리뷰트(attribute) 값을 그룹핑(grouping) 후 해당 포지션(position)값을 리턴(return)하는 경우, 속성 정보가 컬러(color)인 경우와 반사도(reflectance) 혹은 속성 정보가 1차원인 것과 3차원으로 표현할 수 있는 경우에 따라 추가 절차가 필요할 수 있다. 속성 정보가 1차원인 경우 혹은 리플렉턴스(reflectance)인 경우 앵커(anchor)의 리플렉턴스(reflectance) 정보와 나머지 리플렉턴스(reflectance)간 단순 차이값이 스레스홀드(threshold)보다 작은 경우 하나의 그룹으로 분리한다. 속성 정보가 3차원인 경우 앵커(anchor)와 주변 포인트(point)의 속성 정보 간에 유클리디언(Euclidean), 맨하탄 디스턴스(manhattan distance) 등 3차원 거리를 계산할 수 있는 방법을 적용하여 하나의 값으로 만든 후에 스레스홀드(threshold)보다 작은 경우 하나의 그룹으로 분리한다. 스레스홀드(Threshold) 보다 작은 값 기준으로 분리할 수도 있지만, 속성 정보가 1차원인 경우 범위를 설정하는 최소/최대(min/max)값 범위 내 속성 정보가 위치하면 하나의 그룹(group)으로 분류할 수 있다.
앵커(Anchor)에 해당하거나 앵커(anchor)에 가장 가까운 속성 정보를 가지는 포지션(position) 정보(nearest anchor)를 기준으로 나머지 주변 포인트(point) 중 특정 기준으로 분류한 후 하나의 그룹(group)으로 분류(설정, 생성 등 다양하게 지칭 가능함)하는 경우 최근접 앵커(nearest anchor)와 나머지 포인트(point) 간 거리를 계산한 후 스레스홀드(threshold)보다 작은 경우 동일 그룹(group)으로 분리할 수 있다.
스레스홀드(Threshold)는 미리 지정하여 전달받아 적용할 수 있다. 또한, 앵커(anchor)를 기준으로 일정 범위(+/- nSigma)로 분포를 고려하여 시스템 상에서 계산되어 적용될 수도 있다. 또한, 앵커(anchor)를 기준으로 일정 범위(+/-) 방향으로 위치한 포인트(point) 중에 N개의 포인트(point)를 선정할 수 있다.
지오메트리(Geometry) 상에서 찾은 모션 벡터(motion vector)는 어트리뷰트(attribute)의 인터 프레딕션(inter prediction)을 할 때 상속되어 적용될 수 있다.
PU의 크기는 특정 레벨(level)까지 옥트리 분할(octree split)한 후 그룹핑(grouping) 이후부터 분할(split)을 하지 않을 수 있고, 해당 레벨(level)은 명시할 수 있다. 해당 레벨을 시그널링 정보(파라미터)로 생성하여, 디코더에 전달할 수 있다.
도19(a)를 참조하면, 실시예들에 따른 포인트의 어트리뷰트의 값 및 빈도수에 기초하여, 앵커를 설정하고, 스레스홀드를 기준으로 제1그룹 및 제2그룹과 같이 포인트들의 그룹들을 생성할 수 있다. 어트리뷰트 값에 대한 범위에 기초하여 포인트들의 그룹이 생성될 수 있다. 하나의 그룹에 속한 포인트는 일정한 범위에 속하는 어트리뷰트 값들을 가질 수 있다.
도19(b)를 참조하면, 실시예들에 따른 포인트의 어트리뷰트의 값 및 빈도수에 기초하여 앵커를 설정하고, 스레스홀드를 기준으로 앵커의 주변 포지션에 대한 포인트들을 하나의 그룹으로 생성할 수 있다. 하나의 그룹에 속한 포인트는 일정한 범위에 속하는 지오메트리 값(위치)를 가질 수 있다. xyz축 상 공간에서, 일정한 영역(공간)에 속한 포인트들이 하나의 그룹으로 생성될 수 있다.
도20은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 비트스트림을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15 내지 19 인코딩, 도20 내지 도24 비트스트림 생성, 도25 인코딩, 도27 송신 방법, 그에 대응하는 프로세서)는 포인트 클라우드 데이터를 전술한 방법과 같이 부호화하고, 부호화 관련 시그널링 정보(파라미터)를 생성하고, 도20과 같은 비트스트림에 포함시켜서 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15 내지 19 디코딩, 도20 내지 도24 비트스트림 파싱, 도26 인코딩, 도28 수신 방법, 그에 대응하는 프로세서)는 도20과 같은 비트스트림을 수신하고, 파싱하여, 비트스트림의 파라미터에 기초하여 비트스트림의 포인트 클라우드 데이터를 전술한 방법을 사용하여 복호화할 수 있다.
도20 내지 도24를 참조하여, 비트스트림에 포함된 정보의 신택스 및 세만틱스(Syntax and semantics)를 설명한다.
도20내지 도24와 같이, 동일한 프레딕션 유닛(Predictiou Unit)에 포함된 포인트(point)의 어트리뷰트(attribute) 정보를 활용하여 포인트를 분류하고, 포인트에 관한 움직임을 예측하는 방법을 시그널링할 수 있다.
서치 윈도우(search window)와 프레딕션 유닛(Prediction Unit)의 속성 정보를 활용하여 동일 PU와 서치 윈도우(search window)에 속한 포인트(point)들을 그룹핑(grouping)하고 각 그룹(group)을 분리하여 모션 벡터 추정(motion vector estimation)을 하기 위한 정보를 다음과 같이 생성할 수 있다. 이하에서 설명하는 시퀀스 파라미터 세트(sequence parameter set)에서 움직임 예측 및 보상 시 속성 정보를 기준으로 포인트를 분리했음을 알려주고(나타내고), 그를 위해 필요한 정보를 실시 방법에 따라 시퀀스 파라미터 세트(sequence parameter set)에 관련 정보 전부 혹은 일부를 전달할 수 있다. 또한, 지오메트리 파라미터 세트(geometry parameter set), 슬라이스 헤더(slice header, 데이터 유닛 헤더에 대응할 수 있음), SEI 메시지(message) 등에서 각각의 정보를 전달할 수 있다. 또한 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 또한 이하 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐만 아니라 복수의 포인트 클랄우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우 상위 개념의 파라미터 세트(parameter set) 등을 통해 필요한 정보를 전달할 수 있다.
실시예들을 수행하기 위해서 관련 정보를 시그널링할 수 있다. 이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 실시예들에 따른 송신기의 프로세스 상 생성될 수 있고, 실시예들에 따른 수신기에 전달되어 포인트 클라우드의 재구성 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 실시예들에 따른 송신 장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신 장치의 메타데이터 파서에서 획득될 수 있다.
도20 내지 도24를 참조하여, 부호화된 포인트 클라우드 구성을 설명한다.
각 약어는 다음을 의미한다. SPS(시퀀스 파라미터 세트(Sequence Parameter Set), GPS(지오메트리 파라미터 세트, Geometry Parameter Set), APS(어트리뷰트 파라미터 세트, Attribute Parameter Set), TPS(타일 파라미터 세트, Tile Parameter Set), Geom(지오메트리 정보, 지오메트리 데이터, 지오메트리 등으로 지칭 가능함): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data)(지오메트리 슬라이스 헤더는 지오메트리 데이터 유닛 헤더로 지칭될 수 있고, 지오메트리 슬라이스 데이터는 지오메트리 데이터 유닛의 데이터(페이로드)로 지칭될 수 있다). Attr(어트리뷰트 정보, 어트리뷰트 데이터, 어트리뷰트 등으로 지칭 가능함): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 슬라이스 헤더(attribute slice header) + 어트리뷰트 슬라이스 데이터(attribute slice data)(어트리뷰트 슬라이스 헤더는 어트리뷰트 데이터 유닛의 헤더로 지칭될 수 있고, 어트리뷰트 슬라이스 데이터는 어트리뷰트 데이터 유닛의 데이터(페이로드)로 지칭될 수 있다).
실시예들에 따른 비트스트림은 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다. 영역별로 나눌때 각각의 영역은 서로 다른 중요도를 가질 수 있다. 그 중요도에 따라서 다른 필터, 다른 필터 유닛을 적용할 수 있게 제공함으로써 복잡도(complexity)는 높으나 결과 품질(quality)가 좋은 필터링 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 포인트 클라우드 전체에 복잡한 필터링 방법을 사용하는 대신 영역별로 (타일로 나누어지거나 슬라이스로 나누어진 영역) 서로 다른 필터링을 적용할 수 있게 함으로서 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다. 따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 필터, 다른 필터 유닛을 적용할 수 있다. 포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
도20을 참조하면, 비트스트림은 SPS, GPS, APS, TPS를 포함할 수 있다. APS는 복수 개일 수 있다. TPS는 복수의 타일들에 대한 타일 바운딩 박스 관련 정보를 포함할 수 있다. 예를 들어, 타일의 바운딩 박스의 위치(좌표) 정보, 크기 정보(너비, 깊이, 높이) 등을 포함할 수 있다. 비트스트림은 슬라이스(데이터 유닛) 단위로 지오메트리 정보(데이터) 및 어트리뷰트 정보(데이터)를 포함할 수 있다. 슬라이스(데이터 유닛) 단위로 포인트 클라우드 데이터를 부호화하기 때문에, 비트스트림은 복수의 슬라이스들(데이터 유닛들)을 포함할 수 있다. 하나의 슬라이스(데이터 유닛)은 하나의 포인트의 지오메트리 정보(위치) 및 하나 또는 하나 이상의 어트리뷰트 정보(색상, 반사도 등)를 포함할 수 있다. 예를 들어, 0번째 슬라이스(데이터 유닛)은 지오메트리 데이터를 포함하고, 지오메트리 데이터는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터를 포함할 수 있다. 지오메트리 슬라이스 헤더는 지오메트리에 관한 정보를 포함할 수 있다. 예를 들어, 지오메트리 파라미터 세트 아이디 정보, 지오메트리 타일 아이디 정보, 지오메트리 슬라이스 아이디 정보, 지오메트리를 포함하는 박스(바운딩 박스)의 오리진 정보, 박스의 로그 스케일 정보, 최대 노드 사이즈 정보, 포인트들의 개수 정보를 포함할 수 있다.
도21은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도21은 도20의 비트스트림에 포함된 SPS를 나타낸다. 도21와 같이, SPS는 속성 정보를 반영한 모션 추정(ME) 및 모션 보상(MC) 관련 정보를 전달할 수 있다.
실시예들에 따른 ME/MC 관련 정보의 신택스는 다음과 같다.
어트리뷰트 MEMC 인에이블(sps_attribute_MEMC_enable): 모션 벡터 추정(Motion Vector Estimation)과 모션 벡터 보상(Motion Vector Compensation)시 모션 벡터 추정(motion Vector estimation) 단위에 포함된 포인트(point)의 속성 정보를 고려하여 그룹핑(grouping) 및 그룹(group) 별 ME/MC 수행할지 여부를 나타내기 위한 플래그(flag)이다. sps_attribute_MEMC_Enable이 참(True)이면 포인트(point)의 속성 정보를 고려한 모션 벡터 추정(motion vector estimation) 방법을 적용함을 의미하며, 거짓(False)이면 속성정보 고려 없이 서치 패턴(search pattern)을 이용한 모션 벡터 추정/보상(motion vector estimation/compensation)을 했음을 나타낼 수 있다.
모션 벡터 연속성 인에이블(sps_MotionVector_continuation_enable): 지오메트리(geometry)에서 모션 벡터 추정(Motion Vector Estimation)의 결과를 어트리뷰트(attribute)의 모션 추정(Motion estimation)에 그대로 상속하여 적용할지, 지오메트리(geometry)와 어트리뷰트(attribute)의 모션 벡터 추정(Motion Vector Estimation) 과정을 별도로 수행할지 여부를 나타내는 플래그(flag)이다. sps_MotionVector_continuation_enable이 참(true)이면 지오메트리(geometry)와 어트리뷰트(attribute)에 대해 모션 벡터(Motion Vector)가 동일하게 적용함을 의미하고 거짓(false)이면 지오메트리(geometry), 어트리뷰트(attribute)의 모션 벡터 추정(motion vector estimation) 과정을 별도로 처리함을 의미할 수 있다.
PU 뎁스 레벨(sps_PU_depth_level): 속성 정보를 기준으로 PU에 포함된 포인트(point)들을 그룹핑(grouping) 한다면, 즉, sps_attribute_MEMC_enable이 참(true)이라면 정육면체 혹은 직육면체의 PU로 분할(split)되는 마지막 뎁스 레벨(depth level)을 시그널링(signaling)할 수 있다. sps_PU_depth_level은 리프 노드(leaf node)의 뎁스 레벨(depth level)보다 크고, 루트 노드(root node)의 뎁스 레벨(depth level)보다 작다.
시퀀스 파라미터 세트는 다음 엘리먼트를 더 포함할 수 있다:
simple_profile_compatibility_flag: 1과 동일한 simple_profile_compatibility_flag는 비트스트림이 단순 프로파일을 준수함을 지정한다. 0과 동일한 simple_profile_compatibility_flag는 비트스트림이 단순 프로파일 이외의 프로파일을 따르도록 지정한다.
dense_profile_compatibility_flag: 1과 같음은 비트스트림이 Dense 프로파일을 준수함을 지정한다. 0과 동일한 density_profile_compatibility_flag는 비트스트림이 Dense 프로파일 이외의 프로파일을 따르도록 지정한다.
predictive_profile_compatibility_flag: 1과 같음은 비트스트림이 예측 프로파일을 준수함을 지정한다. 0과 동일한 predictive_profile_compatibility_flag는 비트스트림이 예측 프로파일과 다른 프로파일을 따르는 것을 지정한다.
main_profile_compatibility_flag: 1과 같음은 비트스트림이 기본 프로필을 준수함을 지정한다. 0과 동일한 main_profile_compatibility_flag는 비트스트림이 메인 프로파일 이외의 프로파일을 준수함을 지정한다.
reserved_profile_compatibility_18bits: 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. reserved_profile_compatibility_18bits에 대한 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 reserved_profile_compatibility_18bits의 값을 무시한다.
slice_reordering_constraint_flag: 1과 같음은 비트스트림이 데이터 단위의 재정렬 및 제거에 민감함을 나타냅니다. 0과 동일한 slice_reordering_constraint_flag는 비트스트림이 데이터 유닛의 재정렬 및 제거에 민감하지 않음을 나타낸다.
unique_point_positions_constraint_flag: 1과 같음은 현재 SPS를 참조하는 각 포인트 클라우드 프레임에서 모든 출력 포인트가 고유한 위치를 가짐을 나타낸다. 0과 동일한 unique_point_positions_constraint_flag는 현재 SPS를 참조하는 임의의 포인트 클라우드 프레임에서 2개 이상의 출력 포인트가 동일한 위치를 가질 수 있음을 나타낸다.
level_idc: 비트스트림이 부속서 A에 지정된 대로 준수하는 레벨을 나타낸다. 비트스트림은 부속서 A에 지정된 값 이외의 level_idc 값을 포함하지 않아야 한다. level_idc의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
sps_seq_parameter_set_id: 다른 구문 요소에서 참조할 수 있도록 SPS에 대한 식별자를 제공한다. sps_seq_parameter_set_id는 이 문서의 이 버전을 따르는 비트스트림에서 0이어야 한다. sps_seq_parameter_set_id의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
frame_ctr_lsb_bits: frame_ctr_lsb 구문 요소의 길이를 비트 단위로 지정한다.
slice_tag_bits: slice_tag 구문 요소의 길이를 비트 단위로 지정한다.
seq_origin_bits: 구문 요소 seq_origin_xyz[ k ]의 길이를 비트 단위로 지정합니다.
seq_origin_xyz[ k ] and seq_origin_log2_scale: 시퀀스 로컬 좌표계의 원점을 지정한다. 인덱스 k는 원점 좌표의 k번째 X, Y 또는 Z 구성요소이다. 존재하지 않는 경우 seq_origin_xyz[ k ] 및 seq_origin_log2_scale 값은 0으로 유추된다.
배열 SeqOrigin은 시퀀스 로컬 좌표계의 원점이다:
SeqOrigin[k] = seq_origin_xyz[k] << seq_origin_log2_scale
seq_bounding_box_size_bits: 구문 요소 seq_bounding_box_size_minus1_xyz[ k ]의 비트 길이이다.
seq_bounding_box_size_xyz_minus1[ k ]: 더하기 1은 출력 좌표계에서 코딩된 볼륨 치수의 너비, 높이 및 깊이의 k번째 구성요소를 각각 지정한다. 존재하지 않으면 코드화된 볼륨 치수가 정의되지 않는다.
seq_unit_numerator_minus1, seq_unit_denominator_minus1, and seq_unit_in_metres_flag: 출력 좌표계 X, Y 및 Z 단위 벡터의 길이를 지정한다.
seq_global_scale_factor_log2, seq_global_scale_refinement_num_bits, and seq_global_scale_refinement_factor: 시퀀스 로컬 좌표계의 위치에서 출력 포인트 위치를 파생하는 데 사용되는 고정 소수점 스케일 팩터를 지정한다.
seq_global_scale_factor_log2: 포인트 클라우드의 위치에 적용할 전역 축척 계수를 도출하는 데 사용된다.
seq_global_scale_refinement_num_bits: 구문 요소 seq_global_scale_refinement_factor의 비트 길이이다. seq_global_scale_refinement_num_bits가 0과 같으면 세분화가 적용되지 않는다.
seq_global_scale_refinement_factor: 전역 스케일 값에 대한 미세 조정을 지정한다. 존재하지 않는 경우 seq_global_scale_refinement_factor는 0과 동일한 것으로 추론된다.
sps_num_attributes: 코딩된 포인트 클라우드에 있는 속성의 수를 지정한다. 모든 슬라이스가 SPS에 열거된 모든 속성 구성 요소에 해당하는 속성 데이터 단위를 갖는 것은 비트스트림 적합성의 요구 사항이다.
attribute_dimension_minus1[ attrId ]: 더하기 1은 attrId-th 속성의 구성 요소 수를 지정한다.
attribute_instance_id[ attrId ]: attrId-th 속성에 대한 인스턴스 식별자를 지정한다.
attribute_bitdepth_minus1[ attrId ]: 더하기 1은 attrId-th 속성 신호(들)의 각 구성요소의 비트 깊이를 지정한다.
known_attribute_label_flag[ attrId ], known_attribute_label[ attrId ], and attribute_label_oid[ attrId ]: attrId-th 속성에 전달된 데이터 유형을 식별한다. known_attribute_label_flag[ attrId ]는 속성이 known_attibute_label[ attrId ]의 값으로 식별되는지 또는 객체 식별자 attribute_label_oid[ attrId ]에 의해 식별되는지 여부를 나타낸다.
known_attribute_label에 의해 식별된 속성 유형은 지정될 수 있다. known_attribute_label의 값이 지정되지 않은 경우 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
attribute_label_oid로 식별되는 속성 유형은 이 문서에 지정되어 있지 않다. attribute_label_oid는 Recommendation ITU-T X.660 | ISO/IEC 9834-1.
어트리뷰트 타입은 Colour, Reflectance, Opacity, Frame index, Frame number, Material identifier, Normal vector 등을 나타낼 수 있다.
num_attribute_parameters: 비트스트림에서 속성 매개변수 세트의 수를 지정한다. 시퀀스 매개변수 세트에서 신호를 받는 속성 매개변수는 코딩된 포인트 클라우드 시퀀스의 모든 데이터 단위에 적용된다.
axis_coding_order: X, Y 및 Z 출력 축 레이블과 재구성된 포인트 클라우드에 있는 모든 포인트의 세 위치 구성 요소 간의 대응을 지정한다.
1과 동일한 bypass_stream_enabled_flag는 바이패스 코딩 모드가 비트스트림을 읽을 때 사용될 수 있음을 지정한다. 0과 동일한 bypass_stream_enabled_flag는 바이패스 코딩 모드가 비트스트림을 읽을 때 사용되지 않음을 지정한다.
1과 동일한 entropy_continuation_enabled_flag는 슬라이스의 초기 엔트로피 컨텍스트 상태가 선행 슬라이스의 최종 엔트로피 컨텍스트 상태에 의존할 수 있음을 나타낸다. 0과 동일한 entropy_continuation_enabled_flag는 각 슬라이스의 초기 엔트로피 컨텍스트 상태가 독립적임을 지정한다. slice_reordering_constaint_flag가 0과 같을 때 entropy_continuation_enabled_flag가 0과 같은 것은 비트스트림 적합성의 요구 사항이다.
0과 동일한 sps_extension_flag는 sps_extension_data_flag 구문 요소가 SPS 구문 구조에 존재하지 않음을 지정한다. sps_extension _flag는 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. sps_extension _flag의 값 1은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 SPS 구문 구조에서 sps_extension_flag에 대한 값 1을 따르는 모든 sps_extension_data_flag 구문 요소를 무시해야 한다.
sps_extension_data_flag에는 모든 값이 있을 수 있다. 그것의 존재와 값은 부록 A에 명시된 프로파일에 대한 디코더 준수에 영향을 미치지 않는다. 이 문서의 이 버전을 준수하는 디코더는 모든 sps_extension_data_flag 구문 요소를 무시해야 한다.
도22는 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도22는 도20의 비트스트림에 포함된 지오메트리 파라미터 세트를 나타낸다. 도22와 같이, GPS는 속성 정보를 반영한 ME/MC 정보를 전달할 수 있다. 속성 정보 반영한 ME/MC 정보는 GPS에 추가되어 시그널링될 수 있다.
어트리뷰트 MEMC 인에이블(gps_attribute_MEMC_enable): 모션 벡터 추정(Motion Vector Estimation)과 모션 벡터 보상(Motion Vector Compensation) 시 모션 벡터 추정(motion Vector estimation) 단위에 포함된 포인트(point)의 속성 정보를 고려하여 그룹핑(grouping)을 수행할지 여부를 나타내기 위한 플래그(flag)이다. 프레임(Frame) 단위로 시그널링(signaling)하기 위해 GPS에 필요한 정보가 선언될 수 있다. 참(True)이면 속성 정보를 고려한 포인트 그룹핑(point grouping) 후 모션 벡터 추정(motion vector estimation) 방법을 적용함을 의미하며, 거짓(False)이면 서치 패턴(search pattern)을 이용한 모션 벡터 추정/보상(motion vector estimation/compensation)을 했음을 나타낼 수 있다.
SPS에서 attribute_MEMC_enable에 대한 플래그(flag)가 있다면 gps_attribute_MEMC_enable은 해당 정보를 받아 시그널링될 수 있고, SPS에 없다면 GPS 단위로 gps_attribute_MEMC_enable적용 여부를 다르게 시그널링 할 수 있다.
MEMC 스레스홀드(MEMC_threshold): gps_attribute_MEMC_enable이 참(true)인 경우 즉, 모션 벡터 추정(Motion Vector estimation) 시 PU내 포함된 포인트(point)의 속성정보를 고려하여 그룹핑(grouping) 후 모션 벡터 추정(Motion Vector estimation)을 할 경우 중심이 되는 앵커 포인트(anchor point)에서 어느 범위에 속하는 포인트(point)까지 하나의 그룹(group)으로 나타낼 것인지 시그널링(signaling)할 수 있다. 스레스홀드(Threshold) 정보는 단순히 포인트(point)의 개수일 수 있고, 앵커(anchor)를 중심으로 하는 시그마(nSigma) 범위로 내부에서 계산된 값일 수 있다. 또한, 입력된 값일 수도 있다. 또한, 디코더(decoder)로 전달되는 값일 수 있다. 또한, 단순히 거리의 개념을 가지는 숫자로 미리 시스템 상에서 정해진 값이 될 수도 있다. 해당 값은 sps_MotionVector_continuation_enable이 침(true)일 때 어트리뷰트 모션 벡터 추정(attribute motion vector estimation) 시 상속될 수 있다.
그룹핑 포인트 개수(grouping_num_points): 하나의 그룹으로 분류된 포인트(point)들이 각 그룹(group)마다 별도의 모션 벡터 추정(motion vector estimation)할지 여부를 판단하는 기준 값을 시그널링(signaling)할 수 있다. 스레스홀드(MEME_threshold) 내 위치한 포인트(point)들의 개수가 그룹핑 포인트 개수(grouping_num_points)보다 작을 경우 서치 패턴(search pattern)을 이용한 모션 벡터 추정(motion vector estimation)을 할 수 있다.
그룹핑 도메인 플래그(grouping_domain_flag): 그룹핑(grouping)할 때 그룹핑(grouping)의 기준이 어트리뷰트(attribute)값인지 지오메트리(geometry)의 포지션(position) 값인지를 시그널링(signaling)할 수 있다. grouping_domain_flag가 참(true)이면 지오메트리(geometry)의 포지션(position) 기준으로 찾고, 거짓(false)이면 어트리뷰트(attribute) 상에서 어트리뷰트(attribute) 값 기준으로 그룹핑(grouping)함을 나타낼 수 있다. 반대로, 참(true)일 때 어트리뷰트(attribute) 정보 기준 거짓(false)일 때 포지션(position) 정보 기준으로 시그널링(signaling)할 수도 있다.
GPS는 다음 정보를 더 포함할 수 있다.
gps_geom_parameter_set_id는 다른 DU가 참조할 수 있도록 GPS를 식별한다.
gps_seq_parameter_set_id는 sps_seq_parameter_set_id로 활성 SPS를 식별한다.
slice_geom_origin_scale_present는 GDU 헤더에 slice_geom_origin_log2_scale이 존재하는지(1인 경우) 또는 없는지(0인 경우)를 지정한다. 0과 동일한 slice_geom_origin_scale_present는 슬라이스 원점 스케일이 gps_geom_origin_log2_scale에 의해 지정됨을 나타낸다.
gps_geom_origin_log2_scale은 slice_geom_origin_scale_present가 0일 때 slice_geom_origin_xyz에서 슬라이스 원점을 도출하는 데 사용되는 스케일 팩터를 지정한다.
geom_dup_point_counts_enabled는 중복 포인트가 포인트당 중복 카운트에 의해 GDU에서 신호될 수 있는지 여부(1일 때) 또는 그렇지 않을 때(0일 때)를 지정한다.
0과 동일한 geom_dup_point_counts_enabled는 direct_dup_point_cnt, occ_dup_point_cnt 또는 ptn_dup_point_cnt 구문 요소 이외의 수단을 통해 단일 슬라이스 내에서 동일한 포인트 위치를 여러 번 코딩하는 것을 금지하지 않는다.
0과 동일한 geom_tree_type은 슬라이스 지오메트리가 점유 트리(7.3.3.4)를 사용하여 코딩됨을 지정한다. 1과 동일한 geom_tree_type은 슬라이스 지오메트리가 예측 트리(7.3.3.8)를 사용하여 코딩됨을 나타낸다.
gps_extension_present는 GPS 신택스 구조에 gps_extension_data 신택스 요소가 존재하는지(1일 때) 또는 존재하지 않는지(0일 때)를 나타낸다. gps_extension_present는 이 문서의 이 버전을 따르는 비트스트림에서 0이다.
gps_extension_data는 모든 값을 가질 수 있다. 그것의 존재와 가치는 이 문서의 이 버전에 지정된 프로파일에 대한 디코더 적합성에 영향을 미치지 않는다. 디코더는 모든 gps_extension_data 구문 요소를 무시할 수 있다.
geom_angular_enabled는 각도 원점의 V 축을 따라 위치하고 회전하는 빔 세트에 대한 정보를 사용하여 슬라이스 지오메트리가 코딩되는지(1일 때) 여부(0일 때)를 나타낸다. 활성화되면 포인트 위치는 빔에 의해 투사되는 광선을 따라 샘플링된 것으로 가정된다.
slice_angular_origin_present는 슬라이스 관련 각도 원점이 GDU 헤더에서 시그널링되는지 여부(1일 때) 여부(0일 때)를 지정합니다. 0과 동일한 slice_angular_origin_present는 각도 원점이 gps_angular_origin_xyz임을 나타낸다. slice_angular_origin_present가 없으면 0으로 유추된다.
gps_angular_origin_bits_minus1 더하기 1은 각 gps_angular_origin_xyz 신택스 요소의 길이를 비트 단위로 나타낸다.
gps_angular_origin_xyz[ ]는 코딩 좌표계에서 각도 원점의 번째 XYZ 좌표를 나타낸다.
num_beams_minus1 더하기 1은 GPS에 의해 열거된 빔의 수를 나타낸다.
beam_elevation_init 및 beam_elevation_diff[ ]는 함께 빔 고도를 S-T 평면 위의 기울기로 나타낸다. 번째 빔의 고도 기울기는 BeamElev[ ] 표현식으로 나타낸다. 18개의 소수 비트가 있는 이진 고정 소수점 값이다.
beam_voffset_init 및 beam_voffset_diff[ ]는 함께 각도 원점에서 열거된 빔의 V축 오프셋을 나타낸다. 오프셋은 코딩 좌표계의 단위로 지정된다. 번째 빔의 오프셋은 BeamOffsetV[ ] 표현식으로 지정된다.
beam_steps_per_rotation_init_minus1 및 beam_steps_per_rotation_diff[ ]는 회전 빔에 의해 회전당 수행되는 단계 수를 나타낸다. 번째 빔의 값은 BeamStepsPerRev[] 표현식으로 지정된다.
ptree_ang_azimuth_pi_bits_minus11 더하기 11은 V 축 주위의 빔의 반 회전을 나타내는 비트 수를 나타낸다. 반바퀴는
Figure PCTKR2022013407-appb-img-000004
라디안이다.
ptree_ang_radius_scale_log2는 데카르트 좌표로 변환하는 동안 점의 방사형 각도 좌표를 조정하는 데 사용되는 요소를 나타낸다.
ptree_ang_azimuth_step_minus1 더하기 1은 코딩된 점 사이에서 회전하는 빔의 방위각에서 예상되는 변화를 나타낸다. 각도 예측 트리 코딩에 사용되는 방위각 예측 잔차는 ptree_ang_azimuth_step_minus1 + 1의 배수와 나머지로 코딩될 수 있다.
occtree_point_cnt_list_present는 GDU 바닥글이 각 점유 트리 수준의 포인트 수를 열거하는지(1일 때) 여부(0일 때)를 나타낸다. occtree_point_cnt_list_present가 없으면 0으로 유추된다.
0보다 큰 occtree_direct_coding_mode는 점 위치가 점유 트리의 적합한 직접 노드에 의해 코딩될 수 있음을 나타낸다. 0과 동일한 occtree_direct_coding_mode는 직접 노드가 점유 트리에 존재하지 않아야 함을 나타낸다.
occtree_direct_coding_mode의 값이 클수록 일반적으로 직접 노드 적격성 비율이 높아진다.
occtree_direct_joint_coding_enabled는 2개의 포인트를 코딩하는 직접 노드가 포인트의 특정 순서에 따라 위치를 공동으로 코딩해야 하는지(1일 때) 여부(0일 때)를 나타낸다.
1과 동일한 occtree_coded_axis_list_present는 GDU 헤더가 각 점유 트리 레벨에 대한 노드 크기를 유도하는 데 사용되는 occtree_coded_axis 구문 요소를 포함함을 나타낸다. 0과 동일한 occtree_coded_axis_list_present는 occtree_coded_axis 신택스 요소가 GDU 신택스에 존재하지 않고 점유 트리가 트리 깊이에 의해 지정된 3차 체적을 나타낸다는 것을 나타낸다.
occtree_neigh_window_log2_minus1 더하기 1은 트리 수준 내에서 각 가용성 창을 형성하는 점유 트리 노드 위치의 수를 나타낸다. 창 외부의 노드는 창 내의 노드와 관련된 프로세스에서 사용할 수 없다. 0과 동일한 occtree_neigh_window_log2_minus1은 형제 노드만 현재 노드에서 사용 가능한 것으로 간주되어야 함을 나타낸다.
occtree_adjacent_child_enabled는 인접 점유 트리 노드의 인접 자식이 비트 점유 상황화에 사용되는지(1일 때) 또는 사용하지 않을지(0일 때) 나타낸다. occtree_adjacent_child_enabled가 없으면 0으로 유추된다.
occtree_intra_pred_max_nodesize_log2 빼기 1은 슬라이스 내 점유 예측에 적합한 점유 트리 노드의 최대 크기를 나타낸다. occtree_intra_pred_max_nodesize_log2가 없으면 0으로 유추된다.
occtree_bitwise_coding은 노드 점유 비트맵이 (1일 때) occupancy_bit 신택스 요소 또는 (0일 때) 사전 코딩된 신택스 요소 occupancy_byte를 사용하여 코딩되는지 여부를 나타낸다.
occtree_planar_enabled는 노드 점유 비트맵의 코딩이 부분적으로 점유 및 비점유 평면의 시그널링에 의해 수행되는지 여부(1일 때) 여부(0일 때)를 나타낸다. occtree_planar_enabled가 없으면 0으로 유추된다.
occtree_planar_threshold[ ]는 평면 점유 코딩에 대한 축별 적합성을 결정하기 위해 부분적으로 사용되는 임계값을 나타낸다. 임계값은 가장 가능성 있는 평면 축( = 0)에서 최소( = 2)까지 지정된다. 각 임계값은 occ_single_plane이 1일 것으로 예상되는 적격 축에 대한 최소 가능성을 나타낸다. occtree_planar_threshold에 대한 범위 [8, 120]은 가능성 간격 [0, 1)에 해당한다.
occtree_direct_node_rate_minus1은 존재하는 경우 모든 32개의 적격 노드 중 occtree_direct_node_rate_minus1 + 1만 직접 노드로 코딩할 수 있도록 나타낸다.
occtree_planar_buffer_disabled는 이전에 코딩된 노드의 평면 위치를 사용하는 노드별 점유 평면 위치의 컨텍스트화가 비활성화되어야 하는지(1일 때) 여부(0일 때)를 나타낸다. occtree_planar_buffer_disabled가 없으면 0으로 유추된다.
geom_scaling_enabled는 지오메트리 디코딩 프로세스 중에 코딩된 지오메트리가 크기 조정되어야 하는지(1일 때) 여부(0일 때)를 나타낸다.
geom_qp는 슬라이스당 및 노드당 오프셋을 추가하기 전에 지오메트리 QP를 나타낸다.
geom_qp_mul_log2는 지오메트리 QP에 적용할 배율 인수를 나타낸다. 스케일링 단계 크기가 두 배가 될 때마다 Exp2(3 geom_qp_mul_log2) QP 값이 있다.
ptree_qp_period_log2는 예측 트리 노드 QP 오프셋이 시그널링되는 노드의 주기를 나타낸다. 기간은 모든 Exp2( ptree_qp_period_log2 ) 노드에서 하나이다.
occtree_direct_node_qp_offset은 직접 노드 코딩된 포인트 위치를 스케일링하기 위해 슬라이스 기하형상 QP에 상대적인 오프셋을 나타낸다.
도23은 실시예들에 따른 어트리뷰트 파라미터 세트를 나타낸다.
도23은 도20의 비트스트림에 포함된 어트리뷰트 파라미터 세트를 나타낸다. 도23과 같이, APS는 속성 정보를 반영한 ME/MC 정보를 전달할 수 있다.
어트리뷰트 MEMC 인에이블(aps_attribute_MEMC_enable): 모션 벡터 추정(Motion Vector Estimation)과 모션 벡터 보상(Motion Vector Compensation) 시 모션 벡터 추정(motion Vector estimation) 단위에 포함된 포인트(point)의 속성 정보를 고려하여 그룹핑(grouping)을 수행할지 여부를 나타내기 위한 플래그(flag)이다. 프레임(Frame) 단위로 시그널링(signaling)하기 위해 APS에서 선언될 수 있다. 참(True)이면 속성 정보를 고려한 포인트 그룹핑(point grouping) 후 모션 벡터 추정(motion vector estimation) 방법을 적용함을 의미하고, 거짓(False)이면 서치 패턴(search pattern)을 이용한 모션 벡터 추정/보상(motion vector estimation/compensation)을 했음을 나타낼 수 있다.
SPS에서 attribute_MEMC_enable에 대한 플래그(flag)가 있다면 gps_attribute_MEMC_enable은 해당 정보를 받아 시그널링 될 수 있고, SPS에 없다면 GPS 단위로 aps_attribute_MEMC_enable적용 여부를 다르게 시그널링 할 수 있다.
모션벡터 연속성 인에이블(aps_MotionVector_continuation_enable): aps_attribute_MEMC_enable이 참(true)일 때 지오메트리(geometry)에서 모션 벡터 추정(Motion Vector Estimation)의 결과를 어트리뷰트(attribute)의 모션 추정(Motion estimation)에 그대로 상속하여 적용할지 지오메트리(geometry)와 어트리뷰트(attribute)의 모션 벡터 추정(Motion Vector Estimation) 과정을 별도로 수행할지 여부의 플래그(flag)이다. sps_MotionVector_continuation_enable이 참(true)이면 aps_attribute_MEMC_enable이 참(true)이고, 지오메트리(geometry)와 어트리뷰트(attribute)의 모션 벡터(Motion Vector)와 동일하게 적용함을 의미하고 거짓(false)이면 지오메트리(geometry), 어트리뷰트(attribute)의 모션 벡터 추정(motion vector estimation) 과정을 별도로 처리함을 의미할 수 있다.
MEMC 스레스홀드(aps_MEMC_threshold): aps_attribute_MEMC_enable이 거짓(false)인 경우 즉, 모션 벡터 추정(Motion Vector estimation) 시 지오메트리(geometry)와 분리하여 PU내 포함된 포인트(point)의 속성정보를 고려하여 별도의 그룹핑(grouping) 후 모션 벡터 추정(Motion Vector estimation)을 할 경우 중심이 되는 앵커 포인트(anchor point)에서 어느 범위에 속하는 포인트(point)까지 하나의 그룹(group)으로 나타낼 것인지 시그널링(signaling)할 수 있다. 스레스홀드(Threshold) 정보는 단순히 포인트(point)의 수가 될 수 있고, 앵커(anchor)를 중심으로 하는 n시그마(nSigma) 범위로 내부에서 계산되어 입력 되고 디코더(decoder)로 전달될 수도 있다. 또한, 단순히 거리의 개념을 가지는 숫자로 미리 시스템 상에서 정해진 값이 될 수도 있다.
그룹핑 포인트 개수(aps_grouping_num_points): 하나의 그룹으로 분류된 포인트(point)들이 각 그룹(group)마다 별도의 모션 벡터 추정(motion vector estimation)할지 여부를 판단하는 기준 값을 시그널링(signaling)할 수 있다. MEMC 스레스홀드(aps_MEME_threshold) 내 위치한 포인트(point)들의 수가 aps_grouping_num_points보다 작을 경우 서치 패턴(search pattern)을 이용한 모션 벡터 추정(motion vector estimation)을 할 수 있다.
그룹핑 도메인 플래그(aps_grouping_domain_flag): 그룹핑(grouping)할 때 그룹핑(grouping)의 기준이 어트리뷰트(attribute)값인지 지오메트리(geometry)의 포지션(position)값인지를 시그널링(signaling)할 수 있다. aps_grouping_domain_flag가 참(true)이면 지오메트리(geometry)의 포지션(position) 기준으로 찾고, 거짓(false)이면 어트리뷰트(attribute) 상에서 어트리뷰트(attribute) 값 기준으로 그룹핑(grouping) 함을 나타낼 수 있으며, 반대로 참(true)일 때 어트리뷰트(attribute) 정보 기준 거짓(false)일 때 포지션(position) 정보 기준으로 시그널링(signaling)할 수도 있다.
모션벡터 연속성 인에이블(sps_MotionVector_continuation_enable)이 참(true) 이고, aps_MotionVector_continuation_enable이 참(true)일 떄는 어트리뷰트 모션 벡터 추정(attribute motion vector estimation) 시 연결되는 GPS 파라미터(gps parameter)들이 상속될 수 있다.
어트리뷰트 파라미터 세트는 다음 정보를 더 포함할 수 있다.
aps_attr_parameter_set_id는 다른 DU가 참조할 수 있도록 APS를 식별한다.
aps_seq_parameter_set_id는 sps_seq_parameter_set_id로 활성 SPS를 식별한다.
attr_coding_type은 속성 코딩 방법을 지정합니다. 유효한 값은 표 11에 지정되어 있다. 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 이 문서의 이 버전을 따르는 디코더는 attr_coding_type의 예약된 값으로 코딩된 속성 데이터 단위를 무시(비트스트림에서 제거하고 폐기)할 수 있다.
attr_primary_qp_minus4 더하기 4는 슬라이스당, 영역당 및 변환 수준당 오프셋을 추가하기 전에 기본 속성 구성요소에 대한 QP를 나타낸다.
attr_secondary_qp_offset은 2차 속성 구성요소에 대한 QP를 도출하기 위해 1차 속성 QP에 적용될 오프셋을 나타낸다.
attr_qp_offsets_present는 슬라이스당 속성 QP 오프셋인 attr_qp_offset[ ]이 ADU 헤더에 존재하는지(1일 때) 여부(0일 때)를 나타낸다.
attr_coord_conv_enabled는 (1일 때) 속성 코딩이 스케일된 각도 좌표를 사용할지 또는 (0일 때) 슬라이스 관련 STV 포인트 위치를 사용할지를 나타낸다. geom_angular_enabled가 0일 때 attr_coord_conv_enabled가 0이어야 하는 것은 비트스트림 적합성의 요구 사항이다. attr_coord_conv_enabled가 존재하지 않을 때 0으로 유추될 수 있다.
attr_coord_conv_scale_bits_minus1[ ] 더하기 1은 구문 요소 attr_coord_conv_scale[ ]의 비트 길이를 나타낸다.
attr_coord_conv_scale[ ]은 속성 코딩을 위해 포인트의 번째 각도 좌표를 스케일링하는 데 사용되는 스케일 팩터를 지정합니다. 스케일 팩터는 2^(-8) 단위이다.
aps_extension_present는 APS 신택스 구조에 aps_extension_data 신택스 요소가 존재하는지 여부를 나타낸다. aps_extension_present는 이 문서의 이 버전을 따르는 비트스트림에서 0일 수 있다. aps_extension_present에 대한 값 1은 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
aps_extension_data는 모든 값을 가질 수 있다.
raht_prediction_enabled는 이전의 거친 변환 레벨을 업샘플링 및 변환하여 RAHT 계수가 예측되는지(1일 때) 또는 아닌지(0일 때) 나타낸다.
raht_prediction_subtree_min 및 raht_prediction_samples_min은 RAHT 계수 예측의 사용을 제어하는 임계값을 나타낸다.
raht_prediction_samples_min은 RAHT 계수 예측이 수행될 수 있는 공간적으로 인접한 샘플의 최소 수를 나타낸다.
raht_prediction_subtree_min은 RAHT 노드의 모든 자손에 대한 RAHT 계수 예측의 비활성화를 방지하기 위해 존재해야 하는 공간적으로 인접한 샘플의 최소 수를 나타낸다.
pred_set_size_minus1 더하기 1은 포인트당 예측자 세트의 최대 크기를 나타낸다.
pred_inter_lod_search_range는 포인트의 예측자 세트에 포함할 가장 가까운 이웃에 대한 확장된 세부 수준 간 검색에서 검색할 수 있는 검색 센터 주변의 인덱스 범위를 나타낸다.
pred_dist_bias_minus1_xyz[ ] 더하기 1은 단일 미세 조정 점에 대한 예측자 검색에서 점 간 거리를 계산하는 데 사용되는 두 점 위치 사이의 거리 벡터의 번째 XYZ 구성 요소에 가중치를 부여하는 데 사용되는 인수를 나타낸다. PredBias[ ] 표현식은 번째 STV 구성 요소에 대한 요소를 나타낸다.
PredBias[k] := pred_dist_bias_minus1_xyz[StvToXyz[k]] + 1
last_comp_pred_enabled는 3성분 속성의 두 번째 계수 성분이 세 번째 계수 성분의 값을 예측하는 데 사용되어야 하는지(1일 때) 여부(0일 때)를 나타낸다. last_comp_pred_enabled가 없으면 0으로 유추된다.
lod_scalability_enabled는 속성 값이 제한된 LoD 생성 및 예측자 검색을 사용하여 코딩되어야 하는지(1일 때) 여부(0일 때)를 나타낸다. 1과 같을 때 속성 값은 부속서 D에 지정된 부분적으로 디코딩된 점유 트리에 대해 재구성될 수 있다. lod_scalability_enabled가 존재하지 않는 경우 0으로 유추된다.
pred_max_range_minus1 더하기 1은 존재하는 경우 확장 가능한 속성 코딩을 위한 예측자 집합 가지치기 동안 포인트 예측자 후보가 폐기되어야 하는 거리를 나타낸다. 거리는 세부 수준별 블록 크기 단위로 지정된다.
lod_max_levels_minus1 더하기 1은 LoD 생성 프로세스에서 생성할 수 있는 최대 세부 수준 수를 나타낸다. lod_max_levels_minus1이 없으면 MaxSliceDimLog2 - 1로 유추된다.
attr_canonical_order_enabled는 포인트 속성이 코딩되는 순서가 이 문서에 지정된 기하학 디코딩 프로세스에 의해 출력되는 표준 순서인지(1일 때) 여부(0일 때)를 나타낸다. attr_canonical_order_enabled가 없으면 0으로 유추된다.
lod_decimation_mode는 세부 수준을 생성하는 데 사용되는 제거 방법을 나타낸다. 유효한 값은 표 12에 지정되어 있다. 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
lod_sampling_period_minus2[ lvl ] 더하기 2는 LoD 생성에서 세부 수준 lvl의 샘플 포인트를 사용하여 다음으로 더 거친 세부 수준 lvl + 1을 생성하는 데 사용하는 샘플링 기간을 나타낸다.
lod_initial_dist_log2는 LoD 생성 및 예측자 검색에 사용하기 위해 가장 정밀한 세부 수준에서 블록 크기를 나타낸다. lod_initial_dist_log2가 없으면 0으로 유추된다.
lod_dist_log2_offset_present는 lod_dist_log2_offset에 의해 지정된 슬라이스당 블록 크기 오프셋이 ADU 헤더에 존재해야 하는지(1일 때) 여부(0일 때)를 지정합니다. lod_dist_log2_offset_present가 없으면 0으로 유추된다.
pred_direct_max_idx_plus1은 직접 예측에 사용할 수 있는 단일 포인트 예측자의 최대 수를 나타낸다.
pred_direct_threshold는 포인트가 직접 예측에 적합한 시기를 나타낸다. 임계값은 포인트의 예측 변수 집합에 있는 예측 변수 값 간의 최대 차이에 대한 것이다. 최대 차이가 임계값보다 크거나 같으면 직접 예측이 적합하다. 속성 비트 깊이가 8비트보다 클 때 임계값은 Exp2( AttrBitDepth - 8 )로 조정된다.
pred_direct_avg_disabled는 포인트 예측자 집합 평균이 직접 예측 모드인지(0일 때) 여부(1일 때)를 나타낸다.
pred_intra_lod_search_range는 포인트의 예측자 세트에 포함할 가장 가까운 이웃을 검색한 세부 수준의 세분화 목록에 있는 인덱스 범위를 나타낸다.
pred_intra_min_lod는 인트라 디테일 레벨 예측이 활성화된 가장 정밀한 디테일 레벨을 나타낸다. pred_intra_min_lod가 없으면 lod_max_levels_minus1 + 1로 유추된다. lod_max_levels_minus1이 0일 때 pred_intra_min_lod가 0이어야 하는 것은 비트스트림 적합성의 요구 사항이다.
inter_comp_pred_enabled는 다중 구성 요소 속성 계수의 첫 번째 구성 요소가 후속 구성 요소의 계수를 예측하는 데 사용되어야 하는지(1일 때) 여부(0일 때)를 나타낸다. inter_comp_pred_enabled가 없으면 0으로 유추된다.
pred_blending_enabled는 이웃 평균 예측에 사용되는 이웃 가중치가 연관된 포인트의 상대적 공간 위치에 따라 혼합되어야 하는지(1일 때) 여부(0일 때)를 나타낸다. pred_blending_enabled가 없으면 0으로 유추된다.
raw_attr_width_present는 (0일 때) 원시 속성 값이 모든 구문 요소에 대해 동일한 고정 길이 인코딩을 사용할지 또는 (1일 때) 구문 요소당 길이를 사용할지 나타낸다.
도24는 실시예들에 따른 PU 구조체를 나타낸다.
도24는 도20의 비트스트림에 포함된 PU 구초제를 나타낸다.
PU의 구조체는 PU내 point 존재 유무를 나타내는 플래그(flag)인 팝퓰레이션 플래그(popul_flags), 해당 PU를 더 작은 단위로 분할(split)할지에 대한 플래그(flag), PU에 적용할 모션 벡터(motion vector)인 모션벡터(MVs), 글로벌 모션 보상(Global motion compensation) 후의 포인트 클라우드(Point Cloud)를 참조(reference)로 삼을지에 대한 여부를 나타내는 플래그(flag)인 월드(isWorld)로 구성되어 있다. 해당 PU내 포함된 포인트(point)를 별도의 속성 정보 기준으로 그룹핑(grouping) 시 그룹(group) 개수, 각 그룹(group) 별 앵커(anchor) 정보 및 그룹핑(grouping) 적용 범위를 알려주기 위한 시그널링(signaling)을 추가할 수 있다.
도25는 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도25 a, b는 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15 내지 19 인코딩, 도20 내지 도24 비트스트림 생성, 도25 인코딩, 도27 송신 방법)를 나타낸다. 도25의 장치의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
송신기 동작의 실시예는 다음과 같다. 포인트 클라우드 데이터가 입력되면 압축 처리를 용이하게 하기 위해 데이터 양자화(data quantization) 및 복셀화(voxelization)을 한다. 처리후의 포인트 클라우드 데이터는 인트라 프레딕션(intra prediction)인지 여부를 확인하여 인트라 프레딕션 프레임(intra prediction frame)인 경우 지오메트리 인트라 프레딕션(geometry intra prediction)을 하고, 아닌 경우 인터 프레딕션(inter prediction)을 위해 현재 프레임(current frame)에서 PU단위로 분할(split)을 한다. PU 분할(split)이 되고 난 후에 각 PU 컴포넌트(component) 내에 포함된 포인트(point)들을 찾고, PU 영역을 포함하고 PU보다 큰 윈도우(window)의 영역을 레퍼런스 프레임(reference frame)에서 지정하여 윈도우(window) 영역 내에 있는 포인트(point)들을 찾는다. 각 영역(PU와 Search Window)에 포함된 포인트(point)가 결정된 후에 해당 포인트(point)의 어트리뷰트(attribute) 정보를 이용한 모션 벡터 추정(motion vector estimation)을 할지 여부를 플래그(flag)를 통해 확인할 수 있다.
플래그(Flag)가 참(true)이면 PU와 윈도우(window)에 속한 포인트(point)의 앵커(anchor)를 찾고 앵커(anchor)를 중심으로 미리 정의된 범위 내 포함된 포인트(point)를 하나의 그룹(group)으로 분류하여 동일 그룹(group)으로 분류된 포인트(point)의 수가 그룹핑 포인트 개수(grouping_num_points)보다 크면 모션 추정(motion estimation)을 하고, 작으면 기존 서치 패턴(search pattern)을 이용한 모션 벡터(motion vector)를 추정(estimation)을 한다.
만약 어트리뷰트(attribute) 정보를 활용한 모션 벡터 추정(motion vector estimation) 여부를 나타내는 플래그(flag)가 거짓(false)이면 타겟 포인트(target point)를 선정하여 서치 패턴(search pattern)으로 모션 벡터(motion vector)를 추정(estimation)한다. 모션 추정(Motion estimation)이 완료된 후에는 서브 PU(sub-PU)로 분할(split)에 대한 코스트(cost)를 계산하고, 서브PU(sub-PU)로 분할(split)을 하게 된다면 타겟 포인트(target point) 선정 이전 단계인 PU 분할(split) 단계부터 재반복한다. 만약 분할(split)하지 않거나, 어트리뷰트(attribute) 정보를 활용하여 그룹핑(grouping) 후 모션 벡터 추정(motion vector estimation)할 경우 모션 보상(Motion compensation)을 하고, 복원/어트리뷰트 인코딩(reconstruction/attribute encoding) 단계를 거쳐 비트스트림(bitstream)으로 내보낸다. 이 때 어트리뷰트(attribute) 정보를 활용하여 PU내 포인트(point)를 그룹핑(grouping) 후 모션 벡터 추정(motion vector estimation)할 경우 모션 벡터 추정(motion vector estimation) 정보는 어트리뷰트 인코딩(attribute encoding) 단계로 전달할 수 있다. 어트리뷰트 인코딩(Attribute encoding)이 완료되면 지오메트리(geometry)와 어트리뷰트 비트스트림(attribute bitstream)이 보내질 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치(프로세서, 인코더 등으로 지칭 가능함)은 도25와 같은 동작을 수행할 수 있다.
송신 장치는 포인트 클라우드 데이터를 수신한다. 예를 들어, 송신 장치, 송신 장치의 인코더, 인코더의 지오메트리 인코더 및/또는 어트리뷰트 인코더는 포인트 클라우드 데이터를 부호화하여 전송할 수 있다.
데이터 양자화/복셀화기는 포인트 클라우드 데이터를 양자화 파라미터에 기초하여 양자화할 수 있고, 및/또는 복셀화할 수 있다.
송신 장치는 포인트 클라우드 데이터 부호화 모드가 인트라 프레딕션 모드인지를 확인할 수 있다. 인트라 프레딕션 모드인 경우, 포인트 클라우드 데이터의 지오메트리 데이터에 대해 인트라 프레딕션을 수행할 수 있다. 현재 프레임에 포함된 지오메트리 데이터에 대해 현재 포인트의 지오메트리를 트리에 기반하여 유사한 포인트의 지오메트리로 예측값을 생성하고, 잔차값을 생성해서 사이즈가 축소된 지오메트리 비트스트림을 전송할 수 있다. 지오메트리 복원부에 의해 지오메트리를 복원하여 지오메트리에 대한 어트리뷰트 데이터를 인코딩할 수 있다. 전술한 과정은 인코더, 또는 구체적으로 지오메트리 인코더에 의해 수행될 수 있다. 지오메트리 인코딩 이후, 어트리뷰트 인코더는 어트리뷰트 데이터를 전술한 과정과 같이 인코딩할 수 있다.
인트라 프레딕션 모드가 아닌 경우(인터 프레딕션 모드인 경우), 포인트 클라우드 데이터를 PU단위로 분할할 수 있다. PU는 프레딕션 유닛를 의미한다. PU단위로 현재 프레임 및 참조 프레임 간 유사한 데이터를 찾아서 모션 벡처 추정 및 모션 보상을 하여 프레임 간 예측을 수행한다. 지오메트리 인터 프레딕션 시 어트리뷰트 정보를 이용하는지 여부를 확인한다.
어트리뷰트 정보 기반 지오메트리 인터 프레딕션이 아닌 경우, 타겟 포인트를 결정하고, 서치 패턴에 기초하여 모션 벡터 추정을 한다. 그리고, PU를 서브PU로 추가로 분할할지 여부에 따라서, PU를 다시 분할할지, 아니면 추정된 모션 벡터에 기초하여 모션 보상을 한다. 그리고, 어트리뷰트 인코딩을 수행한다.
어트리뷰트 정보 기반 지오메트리 인터 프레딕션인 경우, 서치 윈도우 및 PU에 대한 앵커를 생성하고, 모션 벡터 추정을 위한 포인트를 분류(그룹핑)한다. 그룹핑 포인트 개수와 포인트 개수를 비교해서, 그룹핑 포인트 개수보다 포인트 개수가 많은 경우, 각 그룹에 대한 모션 벡터를 계산하고, 아닌 경우, 서치 패턴에 기초하여 모션 벡터를 추정한다. 각 그룹에 대한 모션 벡터에 기초하여 모션 보상을 하고 어트리뷰트 인코딩을 수행한다. 여기서, 모션 벡터 연속성 인에블 플래그가 참인 경우, ME/MC를 어트리뷰트 코딩에서도 연속하여 적용할 수 있다. 모션 벡터를 전달하여 지오메트리를 복원하고, 어트리뷰트 인코딩을 수행한다.
인터 프레딕션에서 어트리뷰트 사용 시 1) 앵커 찾기, 2) 앵커 기준 포인트 분류, 3) 분류된 포인트 상 모션벡터 추정함, 4) 각 그룹에 대한 모션벡터로 모션보상을 수행함, 4) 모션 벡터를 어트리뷰트 코딩에도 사용할지 여부 판단하여, 모션 벡터에 기반하여 어트리뷰트 코딩을 수행할 수 있다.
도26은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도26은 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15 내지 19 디코딩, 도20 내지 도24 비트스트림 파싱, 도26 인코딩, 도28 수신 방법)를 나타낸다. 도26의 장치의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다. 도26의 수신 장치는 도25의 송신 장치의 각 동작, 역과정을 수행할 수 있다.
수신기(수신 장치, 디코더, 프로세서 등으로 지칭 가능함)는 수신된 비트스트림(bitstream)에 대해 엔트로피 디코딩(entropy decoding), 역양자화(dequantization), 역변환(inverse transformation)을 통해 각 포인트에 대한 예측 에러인 잔차(residual)로 원본 포인트 클라우드(original point cloud)를 복원한다. 해당 프레임(frame)이 인트라 프레딕션(intra prediction)을 위한 프레임(frame)이라면 인트라 프레딕션(intra prediction)을 위한 방식을 적용 후 포인트 클라우드(point cloud)의 지오메트리(geometry) 정보를 업데이트(update)하고, 아니라면 분할(split)을 해야 하는 PU인지 확인한다. 만약 분할(split)을 해야하는 PU라면 PU를 추가로 분할(split) 후에 각 서브 PU(sub PU)에 대해 분할(split)이 추가로 되었는지 확인하고, 만약 분할 플래그(split flag)가 거짓(false)이면 PU의 모션 벡터(motion vector)를 디코딩(decoding) 한다. 해당 PU가 분할(split)이 안되었고, 서치 윈도우(search window)의 포인트(point)의 어트리뷰트(attribute) 정보에 따라 그룹핑(grouping)이 되어야 하는지 플래그(flag)를 확인 한 후 어트리뷰트(attribute) 정보에 따라 그룹핑(grouping)이 된 경우 디코딩(decoding) 된 앵커(anchor)와 스레스홀드(threshold) 정보를 이용하여 Pu내 포인트(point)를 그룹핑(grouping) 하고 모션 벡터 보상(motion vector compensation)을 한다. 만약 거짓(false)이면 PU 에 해당하는 포인트(point) 전체에 대해 모션 벡터(motion vector)를 보상(compensation)한 후 포인트 클라우드(point cloud)를 업데이트(update)한다. 각 PU별 전달된 모션 벡터(motion vector) 정보를 가지고 어트리뷰트 디코딩(attribute decoding) 과정 중 어틜뷰트(attribute)의 모션 벡터 보상(motion vector compensation)에 활용할 경우 지오메트리(geometry)의 모션 벡터(motion vector) 전체 혹은 일부를 어트리뷰트 디코더(attribute decoder)로 전달할 수 있다. 지오메트리(Geometry)의 복원이 모두 완료되면 해당 위치에 속성 정보를 포함시키기 위해 어트리뷰트(attribute) 정보를 디코딩(decoding)하고, 복원된 포인트 클라우드 컨텐츠(reconstructed point cloud contents)를 렌더러(renderer)로 전달한다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치, 디코더, 디코더의 지오메트리 디코더, 디코더의 어트리뷰트 디코더, 프로세서는 도26과 같이, 포인트 클라우드 데이터를 복호화활 수 있다.
비트스트림을 수신하여 엔트로피 디코딩을 할 수 있다.
포인트 클라우드 데이터를 역으로 양자화할 수 있다. 송신 측 양자화의 동작의 역과정을 수행할 수 있다.
포인트 클라우드 데이터에 관한 좌표계를 역으로 변환할 수 있다. 송신 측의 좌표계 변환 동작의 역과정을 수행할 수 있다.
포인트 클라우드 데이터에 대한 복호화 모드가 인트라 프레딕션인지 여부를 확인할 수 있다.
인트라 프레딕션인 경우, 인트라 프레임에 대해 디코딩을 수행할 수 있다. 그리고, 포인트 클라우드를 업데이트하고, 포인트 클라우드 지오메트리를 복원하여, 어트리뷰트 디코딩을 수행할 수 있다.
인트라 프레딕션이 아닌 경우, 포인트 클라우드 데이터를 분할할 수 있다. 분할은 PU단위로 분할할 수 있다.
인터 프레딕션을 위한 포인트 클라우드 데이터에 관한 모션 벡터를 디코딩할 수 있다.
인터 지오메트리 프레딕션 시 어트리뷰트 정보를 이용할지 여부를 확인할 수 있다.
어트리뷰트 정보 기반 인터 프레딕션을 수행하는 경우 송신 측과 마찬가지로 스레스홀드 및 앵커를 기반으로 포인트를 분류할 수 있다.
모션 벡터에 기반하여 모션 보상을 수행할 수 있다.
모션 보상 후 포인트 클라우드 데이터를 업데이트하고, 포인트 클라우드 지오메트리를 복원하여 어트리뷰트 디코딩을 수행할 수 있다.
한편, 모션 벡터를 연속성 인에이블이 참인 경우, 어트리뷰트 디코딩 시 모션 벡터를 연속해서 이용할 수 있다.
이와 같이, 실시예들 포인트 클라우드 컨텐츠의 화면 간 움직임 예측을 위해 예측의 대상이 되는 포인트의 속성 정보를 고려할 수 있다. 인코더(Encoder)는 PU와 서치 윈도우(search Window)의 각 영역에 포함된 포인트 중 관련 있는 포인트(point)들을 묶어 움직임 예측을 할 수 있어 추가적인 프레딕션 유닛(prediction unit)의 분할 과정을 줄일 수 있고, 정확도가 향상된다. 또한, 속성 정보를 동시 고려함으로써 분류된 포인트(point)의 그룹(group)이 오브젝트(object)단위가 될 수 있어 오브젝트(object) 기반 모션 벡터 추정/보상(motion vector estimation/compensation)에 쓰일 수 있다. 디코더(decoder)는 마찬가지로 분할 과정이 줄어들며, 속성 정보의 움직임 예측에 지오메트리(geometry)의 모션 벡터(motion vector)를 활용할 수 있으므로 비트스트림 사이즈(bitstream size)와 디코딩(decoding) 시간이 줄어들 수 있다.
실시예들에 따른 송수신 장치의 프로세스는 본 문서에서 설명하는 포인트 클라우드 컴프레션 과정과 결합될 수 있다. 또한 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
도27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S2700, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩 동작은 도1 송신 장치10000, 포인트 클라우드 비디오 인코더10002, 인코딩20001, 도4 인코더, 도12 송신 장치, 도14 XR디바이스1430, 도15 내지 도19에 따른 인코딩, 도20 내지 도24 비트스트림 및 파라미터 생성, 도25 인코딩 등을 포함할 수 있다.
S2701, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다.
실시예들에 따른 전송 동작은 도1 송신 장치10000, 트랜스미터10003, 전송20002, 도15 내지 도19에 따른 인코딩된 포인트 클라우드 데이터 전송, 도20 내지 도24 비트스트림 및 파라미터 생성해서 전송, 도25 인코딩해서 전송 등의 동작을 포함할 수 있다.
도28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S2800, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다.
실시예들에 따른 수신 동작은 도1 수신 장치10004, 리시버10005, 전송20002, 도20 내지 도24 비트스트림 및 파라미터 수신 등의 동작을 포함할 수 있다.
S2801, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다.
실시예들에 따른 디코딩 동작은 포인트 클라우드 비디오 디코더10006, 디코딩20003, 도10-11 디코더, 도13 수신 장치, 도14 XR디바이스1430, 도15 내지 도19에 따른 디코딩, 도20 내지 도24 비트스트림 및 파라미터 파싱, 도26 디코딩 등의 동작을 포함할 수 있다.
도1을 참조하면, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도15를 참조하면, PU(프레딕션 유닛) 기반 인코딩 (인터 프레딕션)의 과정을 다음과 같이 수행할 수 있다. 예를 들어, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계, 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함하고, 포인트 클라우드 데이터는 프레딕션 유닛에 기초하여 인코딩될 수 있다.
도16를 참조하면, 어트리뷰트 기반 포인트 그룹핑 및 앵커 선정과 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 어트리뷰트 데이터에 기초하여, 프레딕션 유닛에 포함된 포인트들을 그룹핑하는 단계를 더 포함하고, 프레딕션 유닛에 포함된 포인트들을 포인트들에 대한 어트리뷰트 데이터에 기초하여 분류하고, 앵커를 생성할 수 있다.
도17을 참조하면, 어트리뷰트 범위 기반 그룹핑 및 지오메트리 범위 기반 그룹핑과 관련하여, 그룹핑하는 단계는, 앵커에 기초하여, 포인트들에 대한 어트리뷰트 데이터에 관한 범위에 포함된 포인트들을 그룹핑하거나, 또는 앵커에 기초하여, 포인트들에 대한 지오메트리 데이터에 관한 범위에 포함된 포인트들을 그룹핑할 수 있다.
도18을 참조하면, 어트리뷰트 기반 그룹별 또는 PU별 MVE과 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 그룹핑된 포인트들의 개수에 기초하여, 그룹에 대해 모션 벡터를 추정하거나, 그룹핑된 포인트들의 개수에 기초하여, 프레딕션 유닛에 대해 모션 벡터를 추정할 수 있다.
도19를 참조하면, 어트리뷰트 범위 기반 그룹핑 및 지오메트리 범위 기반 그룹핑 관련하여, 그룹핑하는 단계는, 포인트들에 대한 어트리뷰트 데이터에 대한 스레스홀드에 기초하여 그룹을 생성하거나, 포인트들에 대한 지오메트리 데이터에 대한 스레스홀드에 기초하여 그룹을 생성하고, 여기서 어트리뷰트 데이터에 기초하여 분류된 포인트들은 앵커 및 스레스홀드에 기초하여 그룹에 포함될 수 있다.
도20을 참조하면, 비트스트림 관련하여, 비트스트림은 어트리뷰트 데이터와 관련된 모션 추정 및 모션 보상을 위한 파라미터를 포함할 수 있다. 구체적 신택스 및 세만틱스는 전술한 설명을 참조할 수 있다.
도25를 참조하면, 장치 및 프로세서 등에 의해 수행되는 인코딩 흐름도 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는 포인트 클라우드 데이터를 양자화하는 단계, 포인트 클라우드 데이터를 복셀화하는 단계, 포인트 클라우드 데이터를 프레딕션 유닛에 기초하여 분할하는 단계, 포인트 클라우드 데이터의 어트리뷰트 데이터에 기초하여 포인트 클라우드 데이터의 포인트들을 분류하고, 상기 포인트들에 대한 앵커를 생성하는 단계, 앵커에 기초하여, 모션 벡터 추정을 위한 포인트들을 분류하는 단계, 분류된 포인트들은 그룹에 포함되고, 그룹에 대해 모션 벡터를 생성하고, 모션 벡터에 기초하여 모션 보상을 수행하는 단계, 모션 벡터에 기초하여 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계, 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 송신 방법은 송신 장치에 의해 수행되고, 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다. 송신 장치는 메모리 및 프로세서로 구성될 수 있다.
실시예들에 따른 포인트 클라우드 수신 방법은 송신 방법의 대응하는 과정 또는 역과정을 수행할 수 있다. 예를 들어, 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계, 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함하고, 포인트 클라우드 데이터는 프레딕션 유닛에 기초하여 디코딩될 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 어트리뷰트 데이터에 기초하여, 프레딕션 유닛에 포함된 포인트들을 그룹핑하는 단계를 더 포함하고, 프레딕션 유닛에 포함된 포인트들을 포인트들에 대한 어트리뷰트 데이터에 기초하여 분류하고, 앵커를 생성할 수 있다. 프레딕션 유닛은 PU로 지칭될 수 있다. 포인트를 그룹핑하는 것은 포인트를 일정한 기준 및 방법에 따라서 부/복호화에 효율적인 포인트들의 그룹으로 분류하는 것을 의미한다.
그룹핑하는 단계는, 앵커에 기초하여, 포인트들에 대한 어트리뷰트 데이터에 관한 범위에 포함된 포인트들을 그룹핑하거나, 또는 앵커에 기초하여, 포인트들에 대한 지오메트리 데이터에 관한 범위에 포함된 포인트들을 그룹핑할 수 있다.
도26을 참조하면, 장치 또는 프로세서에 의해 수행되는 디코딩 프로세서 관련하여, 포인트 클라우드 데이터를 디코딩하는 단계는, 비트스트림을 엔트로피 디코딩하는 단계, 포인트 클라우드 데이터를 역양자화하는 단계, 포인트 클라우드 데이터의 좌표를 역변환하는 단계, 포인트 클라우드 데이터를 프레딕션 유닛에 기초하여 분할하는 단계, 포인트 클라우드 데이터에 대한 모션 벡터를 디코딩하는 단계, 포인트 클라우드 데이터의 어트리뷰트 데이터를 사용하여, 포인트 클라우드 데이터에 대한 앵커 및 스레스홀드에 기초하여, 포인트 클라우드 데이터의 포인트를 분류하는 단계, 분류된 포인트들에 대해 모션 보상을 수행하는 단계, 를 포함할 수 있다.
포인트 클라우드 데이터 수신 방법은 수신 장치에 의해 수행될 수 있다. 수신 장치는 메모리 및/또는 프로세서로 구성될 수 있다. 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
실시예들에 따른 인코딩 및 디코딩 방식은 옥트리(또는 일반적 트리) 지오메트리 코딩 기반 프레딕션 유닛을 이용하여 로컬 모션 추정을 수행한다. 유니폼하게 분포된 유닛 벡터를 서치 패턴으로 생성하여, 고정된 서치 패턴을 사용하여 모든 PU에 대해 반복적으로 서치 패턴을 사용하여 모션 벡터 추정을 하는 방식에서 더 나아가, 실시예들은 서치 패턴을 반복해서 사용한다기 보다는, 속성 정보(어트리뷰트 데이터)를 이용하여 동일한 PU 내 포인트의 위치 정보(지오메트리 데이터)를 그룹핑하고, 그룹핑된 정보(포인트들)와 연결되는 레퍼런스 프레임에서 대응하는 정보(포인트)를 비교하여 모션 벡터 추정 및 모션 보상을 수행할 수 있다. 고정된 서치 패턴 방식보다 부호화 및 복호화 시간을 효과적으로 감소시킬 수 있다. 즉, 실시예들은 로컬 모션 추정 시 단순 포인트의 포지션 정보만을 이용하는 것에서 더 나아가, 속성 정보를 이용하여, 포인트 간 관련성이 높은 포인트들을 분류하고, 분류된 정보에 기초하여, 모션 벡터 추정 및 보상을 효율적으로 할 수 있다. 또한, 지오메트리 및 어트리뷰트를 함께 고려해서 포인트를 분류하고 모션 벡터를 추정하기 때문에, 예측 정확도 및 퍼포먼스가 증가하는 효과가 있다. 따라서, 로컬 모션 추정에 관한 기술적 문제 및 한계를 효과적으로 해결할 수 있다. 글로벌 모션 벡터를 추정 시 포인트 클라우드 컨텐츠에 포함된 오브젝트 및 로드를 분리하고, 로컬 모션 추정을 수행하는 방식에서 더 아나가, 단순히 컨텐츠의 오브젝트를 분리하는 것이 아니라, 프레딕션 유닛을 분할하고, 지오메트리 및 어트리뷰트를 고려한 포인트 그룹을 생성하여 모션 추정을 할 수 있다. 인터 프레임 코딩 방식에서도 지오메트리 및 어트리뷰트를 고려할 수 있지만, 실시예들은 어트리뷰트 정보를 이용하여 동일 PU 내 포지션 정보에 따라 포인트를 그룹핑하고, 모션 추정 및 모션 보상을 하는 것을 실시예들은 더 제공할 수 있다. 전술한 바와 같이, 포인트 그룹핑의 기준 및/또는 방식도 다양하게 활용할 수 있다.
PU와 서치 윈도우(search Window) 각 영역에 포함된 포인트 중 관련 있는 포인트(point)들을 묶어서 움직임 예측을 정확하게 수행하는 기술적 과제가 요구된다. 실시예들은 동일 PU내 다른 오브젝트의 속성이 존재하더라도, 어트리뷰트 정보를 함께 고려하여 어트리뷰트 예측 정확도가 감소하는 문제를 해결할 수 있다. 이를 위해서, 포인트들을 분류해서 그룹핑하여 동일 PU에서 더 나아가 하나의 오브젝트에 속하는 포인트끼리 예측을 할 수 있는 효과를 제공한다.
EM(inter prediction) 기술에서 모션 추정(Motion estimation)을 하기 위해 적용된 방법은 서로 다른 방향의 단위 벡터로 이루어진 LUT가 존재하고 모션 추정(motion estimation)의 대상이 되는 포인트(point)의 벡터 차이(vector difference)로부터 현재 프레임(current frame)의 포인트(point)가 되기 위해 더해져야 하는 최적의 모션 벡터(motion vector)를 찾는 과정을 거쳐 베스트 모션 벡터(best motion vector)로 모션 보상(motion compensation)을 한다. 이 방법의 경우 미리 지정된 탐색 방향으로 적용하는 움직임의 크기만큼 변화 시켜가며 반복적으로 수행하여 모션 벡터(motion vector)를 찾을 수 있다. 다만, G-PCC는 ME/MC를 할 때 데이터 분포를 반영하지 않고 PU에 포함된 모든 포인트(point)들을 모션 벡터 추정(motion vector estimation)을 위해 포함시키고 있다. 서치 윈도우(Search window)와 PU 각각에 포함된 포인트(point)간의 차이가 지나치게 큰 경우에는 ME/MC에서 제외시키고 있으나 지오메트리(geometry)와 어트리뷰트(attribute) 정보를 분리하여 별도의 정보로 처리하다 보니 지오메트리(geometry)만 고려했을 때 동일 프레딕션 유닛(prediction unit)에 속해 있는 경우지만 어트리뷰트(attribute) 정보가 전혀 다른 경우에도 동일 PU 단위로 거리 기반만 고려하여 motion vector를 찾게 되어 하나의 PU에 속해 있고, object를 이루는 다수의 point를 고려하는 상황일 경우 전혀 다른 object 정보가 혼합될 수 있고, 그럴 경우 서로 다른 움직임을 가지는 object를 하나의 단위 (prediction unit)로 고려하여 motion vector estimation을 됨에 따라 inter prediction의 정확도를 떨어뜨리는 문제가 있을 수 있다.
실시예들은 지오메트리(Geometry)와 어트리뷰트(attribute)를 고려한 모션 벡터 추정(motion vector estimation)을 할 수 있다.
또한, 레퍼런스 프레임(Reference frame)의 어트리뷰트(Attribute) 정보로 모션 벡터 추정(motion vector estimation)의 후보(candidate) 중 아웃라이어(outlier)를 제거하거나 별도의 처리를 할 수 있다.
또한, 지오메트리(Geometry)에서 찾은 모션 벡터(motion vector) 정보를 어트리뷰트 코딩(attribute coding) 시 상속할 수 있다.
또한, 지오메트리(Geometry)를 기준으로 1차 분류된 PU의 포인트(points)들을 어트리뷰트(Attribute) 정보로 분리할 수 있다.
또한, 아웃라이어(Outlier)를 제거하거나 기존 방식을 적용하는 기준은 동일 PU내 특정 값 이하의 포인트 개수가 대다수의 포인트(point)와 다른 어트리뷰트(attribute) 정보를 가졌을 때 적용할 수 있다.
어트리뷰트(Attribute) 정보는 동일하거나 일정값 이하의 차이값을 가질 때만 동일 오브텍트(object), PU 정보로 포함될 수 있다.
어트리뷰트(Attribute) 정보로 포인트를 분류했을 때 지오메트리(geometry) 기준 분류한 것과 변화가 없거나 어트리뷰트(attribute) 정보를 기준으로 분류된 포인트(point) 개수가 미리 정해진 수보다 적으면 서치 패턴 방식을 적용할 수 있다.
따라서, 인코더(Encoder)는 PU와 서치 윈도우(search Window) 각 영역에 포함된 포인트 중 속성 정보를 이용해 관련 있는 포인트(point)들을 묶어 움직임 예측을 할 수 있어 추가적인 프레딕션 유닛(prediction unit)의 분할 과정을 줄일 수 있고, 정확도가 향상되며, 분류된 포인트(point)의 그룹(group)이 오브젝트(object)단위가 될 수 있어 오브텍트(object) 기반 모션 벡터 추정/보상(motion vector estimation/compensation)에 쓰일 수 있다. 디코더(decoder)는 마찬가지로 분할 과정이 줄어들며, 속성 정보의 움직임 예측에 지오메트리(geometry)의 모션 벡터(motion vector)를 활용할 수 있으므로 비트스트림 사이즈(bitstream size)와 디코딩(decoding) 시간이 줄어들 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계,
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함하고,
    상기 포인트 클라우드 데이터는 프레딕션 유닛에 기초하여 인코딩되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 어트리뷰트 데이터에 기초하여, 상기 프레딕션 유닛에 포함된 포인트들을 그룹핑하는 단계를 더 포함하고,
    상기 프레딕션 유닛에 포함된 상기 포인트들을 상기 포인트들에 대한 어트리뷰트 데이터에 기초하여 분류하고, 앵커를 생성하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 그룹핑하는 단계는,
    상기 앵커에 기초하여, 상기 포인트들에 대한 어트리뷰트 데이터에 관한 범위에 포함된 포인트들을 그룹핑하거나, 또는
    상기 앵커에 기초하여, 상기 포인트들에 대한 지오메트리 데이터에 관한 범위에 포함된 포인트들을 그룹핑하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 그룹핑된 포인트들의 개수에 기초하여, 그룹에 대해 모션 벡터를 추정하거나,
    상기 그룹핑된 포인트들의 개수에 기초하여, 프레딕션 유닛에 대해 모션 벡터를 추정하는,
    포인트 클라우드 데이터 송신 방법.
  6. 제4항에 있어서,
    상기 그룹핑하는 단계는,
    상기 포인트들에 대한 어트리뷰트 데이터에 대한 스레스홀드에 기초하여 그룹을 생성하거나,
    상기 포인트들에 대한 지오메트리 데이터에 대한 스레스홀드에 기초하여 그룹을 생성하고,
    상기 어트리뷰트 데이터에 기초하여 분류된 포인트들은 상기 앵커 및 상기 스레스홀드에 기초하여 그룹에 포함되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제1항에 있어서,
    상기 비트스트림은 어트리뷰트 데이터와 관련된 모션 추정 및 모션 보상을 위한 파라미터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  8. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는
    상기 포인트 클라우드 데이터를 양자화하는 단계,
    상기 포인트 클라우드 데이터를 복셀화하는 단계,
    상기 포인트 클라우드 데이터를 프레딕션 유닛에 기초하여 분할하는 단계,
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터에 기초하여 상기 포인트 클라우드 데이터의 포인트들을 분류하고, 상기 포인트들에 대한 앵커를 생성하는 단계,
    상기 앵커에 기초하여, 모션 벡터 추정을 위한 포인트들을 분류하는 단계,
    상기 분류된 포인트들은 그룹에 포함되고,
    상기 그룹에 대해 모션 벡터를 생성하고, 상기 모션 벡터에 기초하여 모션 보상을 수행하는 단계,
    상기 모션 벡터에 기초하여 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계, 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  10. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  11. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계,
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함하고,
    상기 포인트 클라우드 데이터는 프레딕션 유닛에 기초하여 디코딩되는,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 어트리뷰트 데이터에 기초하여, 상기 프레딕션 유닛에 포함된 포인트들을 그룹핑하는 단계를 더 포함하고,
    상기 프레딕션 유닛에 포함된 상기 포인트들을 상기 포인트들에 대한 어트리뷰트 데이터에 기초하여 분류하고, 앵커를 생성하는,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 그룹핑하는 단계는,
    상기 앵커에 기초하여, 상기 포인트들에 대한 어트리뷰트 데이터에 관한 범위에 포함된 포인트들을 그룹핑하거나, 또는
    상기 앵커에 기초하여, 상기 포인트들에 대한 지오메트리 데이터에 관한 범위에 포함된 포인트들을 그룹핑하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제10항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 비트스트림을 엔트로피 디코딩하는 단계,
    상기 포인트 클라우드 데이터를 역양자화하는 단계,
    상기 포인트 클라우드 데이터의 좌표를 역변환하는 단계,
    상기 포인트 클라우드 데이터를 프레딕션 유닛에 기초하여 분할하는 단계,
    상기 포인트 클라우드 데이터에 대한 모션 벡터를 디코딩하는 단계,
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 사용하여, 상기 포인트 클라우드 데이터에 대한 앵커 및 스레스홀드에 기초하여, 상기 포인트 클라우드 데이터의 포인트를 분류하는 단계,
    상기 분류된 포인트들에 대해 모션 보상을 수행하는 단계, 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2022/013407 2021-09-29 2022-09-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2023054932A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202280064897.7A CN118020304A (zh) 2021-09-29 2022-09-07 点云数据发送设备、点云数据发送方法、点云数据接收设备以及点云数据接收方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210128414 2021-09-29
KR10-2021-0128414 2021-09-29

Publications (1)

Publication Number Publication Date
WO2023054932A1 true WO2023054932A1 (ko) 2023-04-06

Family

ID=85780856

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/013407 WO2023054932A1 (ko) 2021-09-29 2022-09-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (2)

Country Link
CN (1) CN118020304A (ko)
WO (1) WO2023054932A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210057143A (ko) * 2018-09-14 2021-05-20 후아웨이 테크놀러지 컴퍼니 리미티드 포인트 클라우드 코딩에서 개선된 속성 계층 및 시그널링
US20210192798A1 (en) * 2018-10-02 2021-06-24 Blackberry Limited Predictive coding of point clouds using multiple frames of references
KR20210104055A (ko) * 2018-12-21 2021-08-24 파나소닉 인텔렉츄얼 프로퍼티 코포레이션 오브 아메리카 삼차원 데이터 부호화 방법, 삼차원 데이터 복호 방법, 삼차원 데이터 부호화 장치, 및 삼차원 데이터 복호 장치
KR20210117142A (ko) * 2020-03-18 2021-09-28 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210057143A (ko) * 2018-09-14 2021-05-20 후아웨이 테크놀러지 컴퍼니 리미티드 포인트 클라우드 코딩에서 개선된 속성 계층 및 시그널링
US20210192798A1 (en) * 2018-10-02 2021-06-24 Blackberry Limited Predictive coding of point clouds using multiple frames of references
KR20210104055A (ko) * 2018-12-21 2021-08-24 파나소닉 인텔렉츄얼 프로퍼티 코포레이션 오브 아메리카 삼차원 데이터 부호화 방법, 삼차원 데이터 복호 방법, 삼차원 데이터 부호화 장치, 및 삼차원 데이터 복호 장치
KR20210117142A (ko) * 2020-03-18 2021-09-28 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KIM JUNSIK; IM JIHEON; RHYU SUNGRYEUL; KIM KYUHEON: "3D Motion Estimation and Compensation Method for Video-Based Point Cloud Compression", IEEE ACCESS, IEEE, USA, vol. 8, 30 April 2020 (2020-04-30), USA , pages 83538 - 83547, XP011787955, DOI: 10.1109/ACCESS.2020.2991478 *

Also Published As

Publication number Publication date
CN118020304A (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215849A1 (ko) 포인트 클라우드 데이터 처리 장치 및 처리 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2021246843A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029662A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021025392A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021075681A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023054932A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085609A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023191252A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075389A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075453A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023287214A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023191321A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22876707

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022876707

Country of ref document: EP

Effective date: 20240429